Browser Use来自创作者
Browser Use 介绍用真实用户流量构建长程强化学习环境
Browser Use 介绍了其利用真实用户流量和真实网页构建浏览器智能体强化学习环境的方法，并开源了 200 个任务及评分细则作为样本。
团队从数亿条生产任务中合并出约 1000 万个不同任务，用 Gemini 3 Flash 筛选适用性，与人工标注在封存测试集上的一致率为 81%，约 13% 的任务被判定适用。每个任务的评分细则依据全部尝试编写并在真实网站上核实，经反复修订后，冻结轨迹重复评分时的判定翻转率低于 1%。
要点
- 个人信息被替换为标准虚拟身份，而非直接丢弃任务。
- 前沿模型完美完成的任务不足 10%。
- 用 MiniMax M3 实跑筛选，略超 40% 的任务被保留。
- 分数由代码根据评分器的发现计算，模型不直接打分。
- 发现作弊或造假时，该任务得分直接归零。
原文：How we Made Scalable Long-Horizon RL Environments for Browser Use
Browser agent benchmarks are saturating. Task sets that separated models a year ago now return pass rates above 90 percent.
收录于 。摘自官方博客的简短节选，著作权归原发布者所有。