BreakingWeb：浏览器Agent受控变体约半数失败

2026年10月27日，AGI Hunt 报道称，xunjianyin 团队发布了 NeurIPS 2026 论文 BreakingWeb。该工作并不直接考察浏览器 Agent 能否完成任务，而是先选取强浏览器 Agent 已经能够完成的任务，再通过对 web 应用栈做受控干预，构造出对应的困难变体，以此测试 Agent 的鲁棒性。报道称，在这类受控变体上，浏览器 Agent 约有半数任务失败。目前尚无其他报道对该结论做进一步复现或补充。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。