观点 / 方法普通Browser Use 复盘评测 bug:+5.1 分提升中最多一半来自自家判题缺陷信息来源:Browser Use·2026-11-20 08:00原始标题:Our Eval Said +5.1. Up to Half of It Was Our Own Bug.内容摘要Browser Use 修复评测适配器后测得 +5.1 分提升(200 任务 BU Bench v2.1,95% CI [+1.0, +9.2]),随后发现判题只读了 2,102 字符长答案末尾的 433 字符(中位数)。内容分类AI 观点与方法内容层级普通情报发布时间(北京时间)2026-11-20 08:00本站收录时间(北京时间)2026-11-21 04:29信息来源Browser Use站内情报编号intel-b4ad47ec629e5bf478d620d3阅读原始信息 ↗查看数据来源更多观点 / 方法分享文章