DynaRev基准发布：评估Web Agent应对动态目标修订

Shiqi Zhang 等研究者在 arXiv 发布论文，推出 DynaRev 基准，包含 181 个任务，用于评估 Web Agent 在用户目标动态修订场景下的表现。 该基准在任务执行的不同阶段通过语义里程碑下发修订，覆盖增量修订、无条件覆盖和运行时条件覆盖三类修订，并以轨迹为依据评估正确性、响应性和效率。 对五个模型的评测显示，智能体常只完成部分任务要求；保留浏览器状态的指令改写带来收益，而重置浏览器则造成损失。

AI 根据报道生成 · 47 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。