TimeWarp基准评估Web Agent跨网页版本泛化

Md Farhan Ishmam 与 Kenneth Marino 发布论文，提出 TimeWarp 基准和 TimeTraj 轨迹标注/训练方法，用于评估 Web Agent 面对网页演化的泛化能力。 TimeWarp 包含三个网页环境，每个环境有六个 UI 版本，覆盖不同时期互联网的 UI 设计、前端代码和工作流变化。论文实验称，视觉型 Agent 对变化较脆弱，而文本型 Agent 一旦在单一版本上微调后也会变脆弱。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。