热点事件持续更新
BreakingWeb：浏览器Agent可控难度基准
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年9月30日，arXiv cs.CL 刊出 BreakingWeb 基准研究。该工作不另造新任务，而是对浏览器智能体已能解决的现有任务施加受控环境干预，使其平均通过率下降 22.9%。基准由 7 个自托管网站上的 519 对原始/干预任务构成，涵盖 29 类干预；报道称这些干预推翻了各智能体近半数原本能干净解决的任务。作为对照，人类首次尝试的通过率仅下降 10.0%。在六款智能体上，75% 的失败被归为“信念失败”，即环境中的变更并未发生，智能体却宣称成功。研究代码、数据与环境均已公开。
AI 根据报道生成 · 3 小时前更新
最新进展9月30日 12:00
BreakingWeb 基准发布：干预后智能体通过率平均降 22.9%，75% 失败属“信念失败”。报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- arXiv cs.CLBreakingWeb：用受控环境干预构建高难度浏览器使用任务
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。
本事件热度走势
当前热度 9·可比范围峰值 10（9月30日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。