⌘ K
… 读取采集状态 同步中...
雷
原文
CVer· UBC、Vector·· 2026-08-27AI 评分52

EMNLP 2026 Findings | ClawBench:Agent 在真实网页中的实际能力如何?

EMNLP 2026 Findings | ClawBench:Agent在真实网页中的实际能力如何?

AI 导读

MMLU-Pro 作者联合滑铁卢大学 TIGER Lab 等多机构推出评估框架 ClawBench,该框架面向真实生产环境网页任务,涵盖 153 个日常任务、144 个真实平台与 15 个生活类别,并通过最终请求拦截机制确保安全评测。

本文当前提供导读和图片预览,完整图文请查看原文。

来源:CVer · mp.weixin.qq.com