CMU与Browser Use发布Odysseys2网页智能体基准

事件综述根据 1 篇报道整理，10月28日更新

卡内基梅隆大学与 Browser Use 联合发布 Odysseys2 长任务网页智能体基准，包含 100 个真实网页长任务、982 条通过/不通过检查。评测中表现最好的是 GPT-6 Astra，完整完成 47/100；其余 14 个智能体无一超过 20 个，5 个一个也未完成。 该基准公开了任务、评分标准、分数和评审提示词（MIT 许可），但运行器、评审实现和轨迹未发布，且线上网站会变化，因此并非完全可复现；分数由未经人工参照验证的 LLM 评审给出。

综述由模型根据报道生成，细节以各篇原文为准。