TencentHunyuan· @TencentHunyuan · X·· 14 天前AI 评分
WebCraftBench：AI 智能体实测网页应用
AI 说网站做完了，结果首页报错、按钮重叠，还加了个你从没要求过的登录流程。🙃 推出 WebCraftBench：智能体实际使用线上应用，覆盖引导的探索找出从未被访问到的部分，然后我们对美观度、可用性以及原始需求是否满足进行评分。 在 197 组人工验证的配对上，与人类偏好的一致率为 85.3%。 论文：arxiv.org/abs/2609.15387
AI 说网站做完了。结果首页报错、按钮重叠，还加了一个你从没要求过的登录流程。🙃
介绍 WebCraftBench：智能体实际使用线上应用，通过覆盖率引导的探索找出从未被访问到的部分，然后我们对美观度、可用性以及原始需求是否被满足进行评分。
在 197 组人工验证的配对上，它与人类偏好的一致率达到 85.3%。
论文：arxiv.org/abs/2609.15387
来源：TencentHunyuan · x.com