研究团队推出Web Agent基准SkillShift-Bench

2026年10月27日，研究团队在arXiv发布论文，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。该基准在3个自托管Web系统中模拟了上下文、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，其中执行变化对智能体鲁棒性的压力最大。此外，研究团队还提出了一种无需重新学习技能库的测试时适应方法，目前相关代码、测试环境与排行榜已正式开放。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。