**WebArena-Pro:首个涵盖多模态与异构应用的复现性网页智能体基准测试** _WebArena-Pro: A Heterogeneous, Mult
原帖
**WebArena-Pro:首个涵盖多模态与异构应用的复现性网页智能体基准测试**
_WebArena-Pro: A Heterogeneous, Multimodal, Reproducible Benchmark for Web Agents_
> 针对现有网页智能体基准在应用覆盖范围、模态支持及复现性上的不足,研究团队推出了 WebArena-Pro。该基准包含 300 个任务,覆盖 20 个自托管的异构网页应用,并首次将音频和视频作为核心观察模态纳入评估。测试结果显示,Codex 与 Claude Code 表现最佳(62.3%),而通用智能体配置(如 Gemini 3.1 Pro omni)表现较弱(30.3%)。该基准通过隔离运行和人工验证确保了实验的复现性,为评估多模态网页智能体提供了最全面的测试环境。
**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:ai-models
- **发布时间**:2026-11-16 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2611.17955)