Skip to main content
Online-Mind2Web 是基于 Mind2Web 数据集的在线评测基准,测试 Agent 在真实网站上的导航和交互能力。

概览

任务特点

真实网站

测试在真实网站上的操作能力,而非模拟环境

多步骤任务

需要多个连续步骤完成复杂目标

语义评估

使用 WebJudge 进行语义匹配评估

无需登录

所有任务均无需登录即可执行

快速开始

运行任务

评估结果

评估指标

数据格式

任务数据存储在 benchmarks/Online-Mind2Web/data/

相关链接