स्वतंत्र वेब एजेंट (AWA) 1.5 सिस्टम ने WebArena बेंचमार्क पर 57.14% का स्कोर हासिल किया, जो पिछले रिकॉर्ड 35.8% को पार करता है। यह परिणाम मानव-स्तर के प्रदर्शन के सबसे करीब है, जो वर्तमान में 78% पर है।
- AWA 1.5 मानव-समान इंटरैक्शन की नकल करने के लिए कस्टम HTML-DOM पार्सिंग और पुनरावर्ती प्रसंस्करण का उपयोग करता है।
- WebArena विश्वसनीय मूल्यांकन के लिए कंटेनराइज्ड साइट्स और अस्पष्टता रहित आउटपुट के साथ एक नियंत्रित वातावरण प्रदान करता है।
- एजेंट ड्रैग-एंड-क्लिक क्रियाओं, स्टेटफुल कार्यों और सख्त स्ट्रिंग मिलान की आवश्यकताओं के साथ चुनौतियों का सामना करता है।
इस उपलब्धि ने खुले वेब पर एजेंट्स के मूल्यांकन में निहित शोर और परिवर्तनशीलता को संबोधित करके वेब स्वायत्तता में महत्वपूर्ण प्रगति दिखाई है।