AI圈报
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·
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)
本站收录时间(北京时间)
信息来源Browser Use
站内情报编号intel-b4ad47ec629e5bf478d620d3