HF Daily Papers·· 3 天前精选AI 评分45
AgentProofBench：Web 智能体可复用验证器基准评测
AgentProofBench: Benchmarking Reusable Verifiers for Web Agents
AI 导读
论文提出 AgentProofBench，将冻结验收规则的成对测试与执行轨迹相连，用于评测 Web 智能体可复用验证器的程序门控正确性与复用能力。
推荐理由
AgentProofBench 将冻结验收规则与执行轨迹配对，在 97 个任务、79 个任务族和 4 个 Web 服务上建立程序门控正确性与复用表现的基线。
来源：HF Daily Papers · huggingface.co