El sistema de agente web autónomo (AWA) 1.5 ha obtenido una puntuación del 57,14% en la prueba de referencia WebArena, superando el récord anterior del 35,8%. Este resultado marca lo más cerca que un sistema de IA ha estado del rendimiento a nivel humano, que actualmente es del 78%.

  • AWA 1.5 utiliza análisis personalizado de HTML-DOM y procesamiento iterativo para imitar la interacción similar a la humana.
  • WebArena proporciona un entorno controlado con sitios en contenedores y salidas inequívocas para una evaluación confiable.
  • El agente enfrenta desafíos con acciones de arrastrar y hacer clic, tareas con estado y requisitos estrictos de coincidencia de cadenas.

El logro demuestra un progreso significativo en la autonomía web al abordar el ruido inherente y la variabilidad al evaluar agentes en la web abierta.