论文页面 - EvoWeb：面向演化式 Web 应用的编码智能体基准

来源: https://huggingface.co/papers/2610.16402 发布于 10 月 12 日

·

提交者 https://huggingface.co/BarA94

B Alon (https://huggingface.co/BarA94) 于 10 月 19 日

摘要

Web 应用开发往往通过一系列连续的请求推进，在既有实现之上不断扩展功能。然而，现有的 Web 生成基准主要评估面向固定规范的开发过程。我们提出 EvoWeb——一个新颖的基准，包含 32 个 Web 应用上的 320 个累积请求，这些请求源自真实产品特性，并由功能依赖图进行结构化组织。智能体在一个持久化的代码库上迭代式地修改代码，同时一个多模态 Web 智能体在真实浏览器中对每个中间版本的应用进行测试，评估新请求的功能、跨请求的集成效果，以及此前已请求的功能。为了刻画整个开发过程中的可靠性，我们整合用户容忍度阈值范围内的轨迹性能，而非设定固定的停止准则。在开源与闭源前沿模型上的实验表明，EvoWeb 能够清晰地区分不同模型的性能，其中跨请求集成成为一项关键挑战。进一步分析显示，依赖更深或依赖数量更多的后续请求准确率更低，而在连续请求过程中运行时错误也愈发频繁。EvoWeb 为在长时程、多请求开发场景中评估和改进编码智能体提供了一个测试平台。

查看 arXiv 页面 (https://arxiv.org/abs/2610.16402) 查看 PDF (https://arxiv.org/pdf/2610.16402) 项目页面 (https://two-delta.github.io/evoweb-blog/) GitHub5 (https://github.com/two-delta/EvoWeb) 加入合集 (https://huggingface.co/login?next=%2Fpapers%2F2610.16402)

引用此论文的模型 0

没有模型关联此论文

在模型的 README.md 中引用 arxiv.org/abs/2610.16402，即可从此页面链接到该模型。

引用此论文的数据集 0

没有数据集关联此论文

在数据集的 README.md 中引用 arxiv.org/abs/2610.16402，即可从此页面链接到该数据集。

引用此论文的 Spaces 0

没有 Space 关联此论文

在 Space 的 README.md 中引用 arxiv.org/abs/2610.16402，即可从此页面链接到该 Space。

收录此论文的合集 0

没有合集收录此论文

将此论文添加到合集 (https://huggingface.co/new-collection) 即可从此页面链接到该合集。