Skip to main content
BrowseComp 是一个浏览器操作竞赛任务的基准测试,评估 Agent 的综合浏览器操作能力。

概览

任务特点

竞赛级任务

源自浏览器操作竞赛,任务难度较高

综合能力

考察多种浏览器操作技能的综合运用

快速开始

运行任务

评估结果

数据加载

BrowseComp 支持本地 JSONL 文件或 HuggingFace 下载。使用 HuggingFace:
HuggingFace 的 parquet 会在缓存中转换为 JSONL 后使用。

评估指标

数据格式

任务数据存储在 benchmarks/BrowseComp/data/

相关链接