并行答案不等于有依赖的计划
model.py 校验选中的操作和对应目标;未被消费的目标答案不能触发动作。这与允许模型返回任意可执行指令有本质区别。
查看对应来源 ↗给浏览器一个目标,让 Jev 选择操作和页面控件,需要输入文字时再调用文本模型。
根据当前 DOM,在一次请求里选择操作和相应控件;文本模型负责生成输入内容。
把界面选择、文字生成与浏览器执行分开,方便查看每一步。
作者在单一 Google Flights 任务上做了每组 3 次对照,报告中位数约 7.1 秒;初始导航未计入,不是通用 Agent 基准。
将浏览器控件选择与输入文字生成分开。
资料分析日期:
model.py 校验选中的操作和对应目标;未被消费的目标答案不能触发动作。这与允许模型返回任意可执行指令有本质区别。
查看对应来源 ↗性能文档排除了初始导航,描述的是同一个 Flights 任务的重复运行,不能视作通用浏览器任务成功率。
查看对应来源 ↗适合 DOM 控件语义清楚、需要分别查看操作和目标概率的页面。纯截图界面及自由文本写作仍需其他路径。
阅读固定 model.py 的 action_space、choose、validate_choice,分别追踪 CLICK 和 TYPE_TEXT,确认未知目标或不一致分布会在执行前报错。README 将离线检查与付费在线例子分开列出。