SkillShift-Bench：评估环境演化下 Web 智能体技能学习的基准

研究者推出首个评估开放环境演化下 Web 智能体技能学习的基准 SkillShift-Bench，在 3 个自托管 Web 系统中模拟上下文、感知与执行变化。实验表明受控环境变化会导致任务成功率下降并增加交互成本，其中执行变化对鲁棒性的压力最大。研究还提出无需重学技能库的测试时适应方法，相关代码、环境与排行榜已开放。