跳到正文
实时
热点事件历史事件

Odysseys2:一个长期视野的网页代理基准测试

1 篇报道1 个报道来源23 天前更新

先了解这件事

AI 综述

GPT-6 Astra 在 Odysseys2 长时程网页智能体基准中表现最佳,完成 47 项任务,平均评分为 84.6。该基准包含 100 项真实网页任务,每项任务有 8-12 项通过/失败检查,15 个智能体参与测试,其中 Opus 5.5 高效模式完成 18 项任务,平均评分为 71.2。 该基准旨在评估长时程网页智能体的能力。

AI 根据报道生成 · 更新于 22 天前

报道时间线

沿着报道,了解事件的不同侧面。

10月27日
  1. Browser Use
    Odysseys2:一个长时程网页智能体基准

    GPT-6 Astra 在 Odysseys2 长时程网页智能体基准中表现最佳,完成 47 项任务,平均评分为 84.6。该基准包含 100 项真实网页任务,每项任务有 8-12 项通过/失败检查,15 个智能体参与测试,其中 Opus 5.5 高效模式完成 18 项任务,平均评分为 71.2。