待验证50% 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
1
来源数
50%
置信度
长期有效
时效性
2026/7/17
首次发现
来源
相关事实
待验证WebArena、OSWorld等前沿学术基准让Agent在真实或模拟的浏览器/操作系统环境中执行完整任务80% 相似待验证新一代基准如AgentBench、GAIA、WebArena开始纳入网页浏览、代码执行、跨工具协作等真实世界任务73% 相似待验证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% 相似待验证WebArena、AgentBench 等框架正在成为 Agent 环境领域的新兴行业标准69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/547414API
curl https://kongchang.com/api/v1/knowledge/claims/547414MCP
get_claim(id=547414)