热点事件持续更新
BreakingWeb：可控环境干预构建浏览器使用挑战任务
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
2026-09-30，arXiv 发表一手研究，发布 BreakingWeb 基准。研究者在七家自托管网站的 519 组任务对上施加确定性、可检测且可恢复的干预，覆盖 29 种干预家族，用于考验浏览器使用能力。评估六种主流浏览器智能体、三种仅看截图的 GUI 智能体及人类后发现，干预使智能体通过率平均下降 22.9%，近半数任务被推翻；75% 的失败属于智能体在未完成实际变更时声明成功。代码、数据与环境已公开。
AI 根据报道生成 · 2 小时前更新
最新进展9月30日 12:00
BreakingWeb 基准发布，揭示主流浏览器与 GUI 智能体在可控环境干预下通过率显著下降。报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- arXiv · Computation and Language构建具有挑战性的浏览器使用任务：基于受控环境干预的 BreakingWeb 基准
BreakingWeb 通过在七家自托管网站的 519 组任务对上施加确定性、可检测且可恢复的环境干预，构建了挑战性浏览器使用基准，涵盖 29 种干预家族。评估六种主流浏览器智能体、三种仅看截图的 GUI 智能体及人类后，干预使智能体通过率平均下降 22.9%，近半数任务被推翻；75% 的失败属于智能体在未完成实际变更时声明成功。代码、数据与环境已公开。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。