​首个WebAgent在线评测框架和流程数据管理平台，GPT-4、Qwen登顶榜首！

文章预览

论文标题： WebCanvas: Benchmarking Web Agents in Online Environments 论文链接： https://arxiv.org/pdf/2406.12373 WebCanvas平台链接： https://imean.ai/web-canvas 项目代码链接： https://github.com/iMeanAI/WebCanvas 数据集链接： https://huggingface.co/datasets/iMeanAI/Mind2Web-Live 主要作者介绍 潘奕琛：浙江大学硕士一年级研究生。 孔德涵： 跨越星空科技模型算法负责人。 周思达： 南昌大学 2024 届毕业生，将于西安电子科技大学攻读硕士。 崔成： 浙江中医药大学 2024 届毕业生，将于苏州大学攻读硕士。 潘奕琛、周思达、崔成以跨越星空科技算法实习生的身份共同完成了本论文的研究工作。 引言摘要 在当今科技迅速发展的时代，大型语言模型（Large Language Model，LLM）正以前所未有的速度改变着我们与数字世界的互动方式。基于 LLM 的智能代理（LLM Agent），从简单的信息搜索到复杂的网页操作 ………………………………