Новость · Россия
Сбер представил WebPageBench для оценки веб-агентов
Сбер представил WebPageBench — открытый веб-бенчмарк из 152 задач на шести имитациях российских сайтов, позволяющий безопасно проверять агентов.
Бенчмарк решает проблемы проверки агентов на реальных сайтах, обеспечивая повторяемость результатов и отсутствие защиты от ботов.
Используются шесть имитаций популярных сервисов, включая маркетплейсы и ЖД-билеты, с локальной средой для запуска агентов и публичным рейтингом.
Подробности и код доступны в репозитории и на Hugging Face.
Что пока неизвестно
Информация о текущем состоянии бенчмарка и результатах проверки недоступна.
Источники
Источник не открывается?
Оригинальная страница может быть временно недоступна. Попробуйте открыть её позже; название и дата источника сохранены выше.