WebArena: De 812-Taken Benchmark die Meet wat Web-agents Werkelijk Wel en Niet Kunnen
GPT-4 voltooit slechts 14,41% van WebArena's 812 webtaken versus 78,24% voor mensen; agents falen meestal door een taak onterecht onmogelijk te verklaren.
#fava
Fava
Fava-webinterface voor Beancount en gerelateerd toolingonderzoek