BrowseComp

浏览器操作竞赛任务评测

BrowseComp 是一个浏览器操作竞赛任务的基准测试，评估 Agent 的综合浏览器操作能力。

​

概览

属性	值
任务类型	浏览器操作
评估方式	Grader 评分
难度	中高

​

任务特点

竞赛级任务

源自浏览器操作竞赛，任务难度较高

综合能力

考察多种浏览器操作技能的综合运用

​

快速开始

​

运行任务

# 运行前 3 个任务
uv run scripts/run.py \
  --agent browser-use \
  --benchmark BrowseComp \
  --mode first_n \
  --count 3

# 使用 Agent-TARS 运行
uv run scripts/run.py \
  --agent Agent-TARS \
  --benchmark BrowseComp \
  --mode first_n \
  --count 3

​

评估结果

uv run scripts/eval.py --agent browser-use --benchmark BrowseComp

​

评估指标

指标	说明
Task Completion	任务完成率
Accuracy	结果准确率

​

数据格式

任务数据存储在 benchmarks/BrowseComp/data/：

{
  "task_id": "browsecomp_001",
  "task": "Navigate to the website and complete the registration form",
  "expected_result": "Registration successful"
}

​

相关链接

• BrowseComp 官方