آیا هوش مصنوعی واقعاً میتواند مثل یک انسان در وب گشتوگذار کند؟ محققان بهتازگی بنچمارک جامع و بزرگی به نام WebRetriever را معرفی کردهاند تا پاسخ دقیقتری به این سوال بدهند.
این بنچمارک با پوشش ۸۰۰ وبسایت و ۱۵۵۰ وظیفه مختلف در حوزههای تجاری و حرفهای، تلاش میکند محدودیتهای قبلی در ارزیابی «عاملهای وب» (Web Agents) را برطرف کند. یکی از ویژگیهای جذاب آن، فریمورک NavEval است که با تحلیل دقیق تعاملات کاربر، هوش مصنوعی را بسیار دقیقتر از قبل ارزیابی میکند. این گامی مهم برای رسیدن به دستیارهای هوشمندِ واقعاً کارآمد برای محیطهای واقعی است. 🚀
منبع: arXiv Computer Vision