WorkArena: Web 代理在解决常见知识工作任务方面有多大能力？
原文中文，约400字，阅读约需1分钟。发表于：。使用基于大型语言模型的代理程序研究通过 web 浏览器与软件的交互。通过提出基于 ServiceNow 平台的 29 个任务的远程托管基准 WorkArena，以及设计和评估此类代理程序的环境 BrowserGym，我们对其性能进行了实证评估，发现目前代理程序在工作区域上有一些潜力，但在实现完全的任务自动化方面还存在相当大的差距。尤其值得注意的是，我们的分析揭示了开源和闭源...
通过研究基于大型语言模型的代理程序，发现代理程序在工作区域上有潜力，但在任务自动化方面仍有差距。开源和闭源大型语言模型之间存在显著性能差异，需要进一步研究和发展。
