Skip to main content
本页介绍如何将新的 Benchmark 集成到 browseruse-bench 框架中。

目录结构

每个 Benchmark 需要以下目录结构:

Step 1: 创建任务数据

tasks.json 格式

必需字段

可选字段

Step 2: 创建数据信息文件

data_info.json

Split 文件策略

  • 预先生成子集文件(如 tasks_easy.json),并在 split 中声明。
  • 每个 split 条目指向 benchmark data/ 目录下的相对路径。

Step 3: 创建评估器(可选)

如果需要自定义评估逻辑,创建 evaluator.py

Step 4: 注册 Benchmark

browseruse_bench/benchmarks/__init__.py 中注册:

Step 5: 测试

完整示例

查看现有 Benchmark 作为参考:
  • benchmarks/LexBench-Browser/ - 完整的 Benchmark 实现
  • benchmarks/Online-Mind2Web/ - Mind2Web 集成示例
  • benchmarks/BrowseComp/ - 简单 Benchmark 示例