已支持的 Benchmarks
LexBench-Browser
推荐 - 真实场景驱动的浏览器 Agent 评测基准，包含 210 个任务，覆盖 107 个中英文网站，无需登录。
Online-Mind2Web
基于 Mind2Web 数据集的在线评测，测试 Agent 在真实网站上的导航和交互能力。
BrowseComp
浏览器操作竞赛任务，评估 Agent 的综合浏览器操作能力。
功能对比
快速对比运行
数据位置
所有 Benchmark 数据存放在benchmarks/ 目录中：
关于数据加载配置的更多详情（包括 HuggingFace 支持和私有数据集），请参考 数据加载 指南。
计划支持
- 更多 Benchmark
如果你希望添加新的 Benchmark，请参考自定义 Benchmark 指南。