WebArena-Verified · Full set · 测试定义与成绩
WebArena-Verified · Full set 收录 1 次模型发布的评测披露或成绩。
测试版本与指标
别名 WebArena Verified
- Pass@1 · % · 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 · 1 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)
WebArena-Verified · Full set 收录 1 次模型发布的评测披露或成绩。
别名 WebArena Verified
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。
WebArena-Verified · Full set has benchmark disclosures or scores across 1 model release.
Aliases WebArena Verified
The latest models in each named series have no scores to display in this scope. Recorded historical data appears below.