THUDM 发布 VAB-WebArena-Lite 数据集, 应用在 网页浏览评估、自动化代理性能 领域

THUDM 本次发布的数据集 VAB-WebArena-Lite, 该数据集是对原始812项任务的WebArena进行了精简，形成了一个包含165项任务的小集合，其中答案和评判功能都经过了人工验证，旨在加快评估速度并确保评判的准确性。此外，该数据集的目标是为自主代理在网页浏览任务中的性能提供一个更快且更精确的评估方式。其所涉及的任务类型为网页浏览评估。

查看VAB-WebArena-Lite

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。