AgentProofBench: Đánh giá chuẩn các bộ xác minh có thể tái sử dụng cho Web Agent

Đoạn trích bài viết

Việc xác minh Web-agent có thể tái sử dụng đòi hỏi một quy tắc phải theo sát các yêu cầu thay đổi và hỗ trợ việc thực thi tiếp theo. Chúng tôi giới thiệu AgentProofBench, kết nối các bài kiểm thử theo cặp của một quy tắc chấp thuận cố định với quá trình thực thi từ cùng các trạng thái khởi đầu đã lưu.