首个以受控开放环境变化测试网页智能体技能学习与复用能力的基准。
推荐理由：基准把变化拆成调用语境、感知定位和执行可行性三类，补上封闭网页评测掩盖的技能失效问题；它能区分真正可迁移的技能与记住固定界面的策略。
阅读原文