自主网页代理 (AWA) 1.5 系统在 WebArena 基准测试中取得了 57.14% 的分数，超越了此前 35.8% 的记录。这一结果标志着 AI 系统最接近人类水平表现的一次，目前人类水平为 78%。

  • AWA 1.5 使用自定义 HTML-DOM 解析和迭代处理来模拟类人交互。
  • WebArena 提供带有容器化站点和无歧义输出的受控环境，以便进行可靠评估。
  • 该代理在拖放点击操作、有状态任务和严格的字符串匹配要求方面面临挑战。

这一成就通过解决在开放网络上评估代理时固有的噪声和变异性，展示了网页自主性方面的重大进展。