EvoWeb：面向演化 Web 应用的编码 Agent 基准

arXiv 作者团队发布了一个名为 EvoWeb 的编程 Agent 基准，用于评估 Agent 在持续演化的 Web 应用上的表现。该基准包含 32 个 Web 应用上的 320 条累积请求，请求基于真实产品功能，并按功能依赖图组织。 据作者称，EvoWeb 的请求不是孤立的单次任务，而是围绕同一应用逐步累积，以模拟 Web 应用功能随需求持续变化的场景。这一设计将功能依赖关系纳入评测，区别于面向独立编码任务的基准。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。