Sistem Agen Web Otonom (AWA) 1.5 telah meraih skor 57,14% pada benchmark WebArena, melampaui rekor sebelumnya sebesar 35,8%. Hasil ini menandai kedekatan terbesar yang pernah dicapai oleh sistem AI terhadap kinerja tingkat manusia, yang saat ini berada di 78%.

  • AWA 1.5 menggunakan parsing HTML-DOM kustom dan pemrosesan iteratif untuk meniru interaksi mirip manusia.
  • WebArena menyediakan lingkungan terkontrol dengan situs yang dikontainerisasi dan output yang tidak ambigu untuk evaluasi yang andal.
  • Agen menghadapi tantangan dengan tindakan seret-dan-klik, tugas berstatus, dan persyaratan pencocokan string yang ketat.

Pencapaian ini menunjukkan kemajuan signifikan dalam otonomi web dengan mengatasi kebisingan bawaan dan variabilitas saat mengevaluasi agen di web terbuka.