待验证60% 置信基准精确时间

WebArena构建了真实网页环境，测试Agent完成购物、论坛发帖等现实任务的能力

2

来源数

60%

置信度

长期有效

时效性

2026/7/17

首次发现

来源

Agent性能评估：三层体系拆解与工程落地指南

相关事实

待验证agent-readable websites理念希望网站能以结构化、语义清晰的方式向Agent暴露其功能与数据73% 相似待验证浏览器自动化让Agent像真人一样操作真实浏览器，可绕过部分基于请求特征的反爬检测72% 相似待验证Web Search Agents的核心卖点是自学习（self-learning）机制，能自主学习用户的使用场景并深入最重要的信息来源71% 相似待验证交互式Agent基准测试家族包括Terminal-Bench、SWE-bench（软件工程任务）、WebArena（网页操作任务）等70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/547414

API

curl https://kongchang.com/api/v1/knowledge/claims/547414

MCP

get_claim(id=547414)