arXiv Artificial Intelligence· David Nukrai, Bar Alon, Nativ Levy, Ido Andrew Atad, Ido Cohen, Itamar Zimerman, Lior Wolf, Eli David, Ilan Naiman·· 19 小时前AI 评分34
EvoWeb：面向持续演进 Web 应用的编码智能体基准
EvoWeb: A Benchmark for Coding Agents on Evolving Web Applications
AI 导读
EvoWeb 是一个面向编码智能体的基准，包含 32 个 Web 应用上的 320 条累积请求，按功能依赖图组织，智能体需迭代修改持久化代码库，并由多模态 Web 智能体在真实浏览器中测试每个中间应用。实验显示开源与闭源前沿模型之间存在明显性能差异，跨请求集成是主要挑战，依赖更深或更多的后续请求解决准确率更低，运行时错误随请求推进愈发频繁。
来源：arXiv Artificial Intelligence · arxiv.org