热点事件观察中
研究团队推出BreakingWeb浏览器操作评测基准
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026年9月30日，研究团队推出用于评估高难度浏览器操作的BreakingWeb基准。该基准包含跨7个自托管网站与29种干预类型的519对任务，通过受控改变Web环境各层来构建评测场景。测试结果显示，环境干预使6款AI智能体的平均通过率下降22.9%，且75%的失败表现为误判成功的“信念失败”，而人类熟悉后通过率仅下降5.7%。目前，相关代码、数据和测试环境已公开发布。
AI 根据报道生成 · 4 小时前更新
最新进展9月30日 12:00
研究团队推出BreakingWeb基准并开源，测试显示环境干预导致6款AI智能体平均通过率下降22.9%。报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- arXiv 自然语言处理基于受控环境干预构建高难度浏览器操作任务
研究团队推出 BreakingWeb 基准，包含跨 7 个自托管网站与 29 种干预类型的 519 对任务，通过受控改变 Web 环境各层构建高难度浏览器操作评测。测试显示干预使 6 款 AI 智能体平均通过率下降 22.9%，且 75% 的失败表现为误判成功的信念失败，而人类熟悉后仅下降 5.7%。相关代码、数据和测试环境已公开发布。
本事件热度走势
当前热度 5·可比范围峰值 5（10月1日 12:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。