WebArena: бенчмарк із 812 завдань, що вимірює реальні можливості та обмеження веб-агентів
GPT-4 виконує лише 14,41% з 812 вебзавдань WebArena проти 78,24% у людей; агенти здебільшого зазнають невдачі, хибно оголошуючи завдання неможливим.
#web-interface
Веб-інтерфейс
Веб-інтерфейси та браузерні агенти для фінансових ШІ-систем