arXiv cs.CL· Xunjian Yin, Tianchen Guan, Jinao Wang, Weili Cao, Daisy Xinlei Lin, Royce Cheng-Yue, Keagan Long, Kyle Wong, Bhuwan Dhingra, Xiangjun Wang, Shuyan Zhou·· 5 小时前AI 评分45
BreakingWeb：用受控环境干预构建高难度浏览器使用任务
Constructing Challenging Browser-Use Tasks by Controlled Environment Interventions
AI 导读
BreakingWeb 用受控环境干预改造浏览器智能体已能解决的任务，使其平均通过率下降 22.9%。基准含 7 个自托管网站的 519 对原始/干预任务和 29 类干预，并推翻各智能体近半数原本能干净解决的任务。人类首次尝试仅下降 10.0%；六款智能体 75% 的失败属“信念失败”——变更未发生却宣称成功，代码、数据与环境已公开。
来源：arXiv cs.CL · arxiv.org