Le système d'agent web autonome (AWA) 1.5 a obtenu un score de 57,14 % sur le benchmark WebArena, dépassant le précédent record de 35,8 %. Ce résultat marque la plus grande proximité qu'un système d'IA ait atteinte par rapport aux performances humaines, qui sont actuellement de 78 %.

  • AWA 1.5 utilise un analyseur HTML-DOM personnalisé et un traitement itératif pour imiter l'interaction humaine.
  • WebArena fournit un environnement contrôlé avec des sites conteneurisés et des sorties non ambiguës pour une évaluation fiable.
  • L'agent fait face à des défis avec les actions de glisser-déposer et cliquer, les tâches avec état et les exigences strictes de correspondance de chaînes.

Cette réalisation démontre un progrès significatif dans l'autonomie web en abordant le bruit inhérent et la variabilité lors de l'évaluation des agents sur le web ouvert.