arXiv cs.SE· Jingjie Ning, Xueqi Li, Yi Lu, Yibo Kong·· 2 小时前AI 评分34
AgentProofBench：为 Web 智能体评测可复用验证器
AgentProofBench: Benchmarking Reusable Verifiers for Web Agents
AI 导读
AgentProofBench 将冻结验收规则的配对测试与相同存档开局下的执行连接起来，覆盖 97 个任务、79 个家族和 4 项 Web 服务。在 48 个家族上，完整面板与决策重放测试分别保留 82/96 个 DeepSeek Flash 和 79/96 个 Pro 源程序。
来源：arXiv cs.SE · arxiv.org