WebArena · Official WebArena grader, modified fuzzy_match subgrader · 测试定义与成绩

WebArena · Official WebArena grader, modified fuzzy_match subgrader 收录 2 次模型发布的评测披露或成绩。

测试版本与指标

别名 WebArena

  • Average@5 score · % · 越高越好
  • Pass@1 · % · 越高越好
  • Pass@2 · % · 越高越好
  • Pass@3 · % · 越高越好
  • Pass@4 · % · 越高越好
  • Pass@5 · % · 越高越好

各系列最新模型 · 公布成绩

各命名系列的最新型号在此范围内暂无可展示成绩,已收录的历史资料列在下方。

历史记录 · 2 次发布

  • Claude Sonnet 4.6本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • Claude Opus 4.6本次发布有 6 条成绩记录,含 6 条精确值(可含历史记录)