Tag
作者用单张 3090 上运行的本地 35B 浏览器 agent（Ornith 1.5）在 Online-Mind2Web 上跑了部分任务，通过三轮 harness/清单提示改进将一个错误任务修好，并报告了 30 个新任务的结果：研究类任务表现尚可，UI 操作（下拉框、cookie 遮罩、位置自动补全）是主要失分点。