WebArena / BrowserGym

WebArena

2023-07 发布，含电商、论坛、协作开发、CMS 四类自托管网站；论文中 GPT-4 agent 完成率 14.41%，人类 78.24% [1]。“6 个网站”为后续扩展口径，原论文为 4 类领域，需按版本区分。

BrowserGym

2024-12（arXiv 2412.05467）统一文献中已有的 web agent 基准；论文实验涵盖 BrowserGym 中的 6 个常见基准、6 个 LLM，配套 AgentLab 框架 [2]。

局限

自托管环境易复现但站点固定，易被过拟合；真实网站变动大，与采购式浏览器环境（单价见 RL 环境价格带与成本结构）存在保真度差距。

来源

1. https://arxiv.org/abs/2307.13854 (2026-10-15)
2. https://arxiv.org/abs/2412.05467 (2026-10-15)