2025-06-27-insights

发表于 2025-06-29 分类于 Arxiv-Insights 阅读次数： Valine：
本文字数： 147 阅读时长 ≈ 1 分钟

Mind2Web 2: Evaluating Agentic Search with Agent-as-a-Judge

之前出了mind2web-live，online-mind2web，到今天进化到mind2web 2了。作者搞了更难的题目，但没有eazy-to-verify的性质，而是让llm judge。