行业与实践 · 标签「网页智能体」

研究与基准测试/2026-10-29/22 分钟

AgentProofBench：评测可复用的网页智能体验证器

AgentProofBench 把冻结的接受规则接到相同起点上的后续执行。资源有 97 项任务、79 个家族。无错误面板的指派有 32/33 正确交付两个起点，有面板错误的只有 1/11。