Mind2Web
学术界提出的网页GUI理解与自动化基准，用于评估AI模型在真实网页界面上理解并执行多步骤任务的能力
时间轴 (近 90 天)
评估浏览器智能体通常使用 WebArena、WebVoyager、Mind2Web、GAIA 等公开基准，用真实网站上的多步任务测量端到端成功率和步数效率。
Mind2Web 和 OSWorld 是基于静态截图的基准测试，允许智能体在完全静止的界面上决策
Mind2Web和ScreenAgent是来自学术界的GUI自动化项目，通过截图或可访问性树理解界面状态
Mind2Web由俄亥俄州立大学提出，使用真实网站快照，重点评估模型在从未见过的网站上泛化执行任务的能力
WebArena、MiniWoB++、Mind2Web是浏览器自动化领域的早期代表性基准，分别侧重真实网站交互、简化网页操作和跨网站泛化能力
WebArena和Mind2Web等基准测试表明，当前最强的Web智能体在复杂网页任务上的成功率仍低于50%
全部知识事实 (6)
评估浏览器智能体通常使用 WebArena、WebVoyager、Mind2Web、GAIA 等公开基准，用真实网站上的多步任务测量端到端成功率和步数效率。
50%待验证Mind2Web 和 OSWorld 是基于静态截图的基准测试，允许智能体在完全静止的界面上决策
50%待验证Mind2Web和ScreenAgent是来自学术界的GUI自动化项目，通过截图或可访问性树理解界面状态
50%待验证Mind2Web由俄亥俄州立大学提出，使用真实网站快照，重点评估模型在从未见过的网站上泛化执行任务的能力
50%待验证WebArena、MiniWoB++、Mind2Web是浏览器自动化领域的早期代表性基准，分别侧重真实网站交互、简化网页操作和跨网站泛化能力
50%待验证WebArena和Mind2Web等基准测试表明，当前最强的Web智能体在复杂网页任务上的成功率仍低于50%
50%