研究 HuggingFace Daily Papers 2026-06-16

哪里出了问题？基于语义状态跟踪的Web智能体过程级评估

WebStep基准通过语义MDP跟踪实现Web智能体过程级分析，揭示了终端成功率指标无法发现的详细性能差异和错误定位。

解读生成中或暂时不可用，请稍后刷新重试，或直接查看原文。