Fava

WebArena: 웹 에이전트의 실제 수행 능력과 한계를 측정하는 812개 작업 벤치마크

GPT-4는 WebArena의 812개 웹 작업 중 14.41%만 완료하고 인간은 78.24%를 완료합니다. 에이전트는 주로 작업을 불가능하다고 잘못 선언하며 실패합니다.

Mike Thrift