AgentProofBench评测网页智能体验证器
AI 总结
AgentProofBench将固定验收规则的成对测试与从相同保存开局执行的网页智能体相连接，从需求和策略两个层面评估可复用验证。该基准覆盖79个任务族中的97个任务及四个网页服务，并公开说明、状态、程序、参考规则和轨迹。使用DeepSeek Flash和DeepSeek Pro的实验显示，部署状态面板的正确性能够区分面板无错误的程序分配与包含面板错误的分配。
深度见解
AgentProofBench提供了一套具体基准和公开材料，用于检验可复用验收规则在后续网页智能体执行中是否仍然有效。
Computer Science > Multiagent Systems
arXiv:2610.34634 (cs)
[Submitted on 25 Oct 2026]
Title:AgentProofBench: Benchmarking Reusable Verifiers for Web Agents
Authors:Jingjie Ning, Xueqi Li, Yi Lu, Yibo Kong
View a PDF of the paper titled AgentProofBench: Benchmarking Reusable Verifiers for Web Agents, by Jingjie Ning and 3 other authors