Buchumschlag

WebCanvas: Benchmarking Web Agents in Online Environments

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Pan, Yichen, Kong, Dehan, Zhou, Sida, Cui, Cheng, Leng, Yifei, Jiang, Bing, Liu, Hangyu, Shang, Yanyi, Zhou, Shuyan, Wu, Tongshuang, Wu, Zhengyang
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computation and Language Artificial Intelligence Machine Learning 68T50 I.2.7
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

WebChain: A Large-Scale Human-Annotated Dataset of Real-World Web Interaction Traces
von: Fan, Sicheng, et al.
Veröffentlicht: (2026)

Mapping the Web of Science, a large-scale graph and text-based dataset with LLM embeddings
von: Kunt, Tim, et al.
Veröffentlicht: (2026)

WeDLM: Reconciling Diffusion Language Models with Standard Causal Attention for Fast Inference
von: Liu, Aiwei, et al.
Veröffentlicht: (2025)

XPath Agent: An Efficient XPath Programming Agent Based on LLM for Web Crawler
von: Li, Yu, et al.
Veröffentlicht: (2024)

WaterSeeker: Pioneering Efficient Detection of Watermarked Segments in Large Documents
von: Pan, Leyi, et al.
Veröffentlicht: (2024)

Omni-SafetyBench: A Benchmark for Safety Evaluation of Audio-Visual Large Language Models
von: Pan, Leyi, et al.
Veröffentlicht: (2025)

MicroRemed: Benchmarking LLMs in Microservices Remediation
von: Zhang, Lingzhe, et al.
Veröffentlicht: (2025)

A Knowledge Enhanced Learning and Semantic Composition Model for Multi-Claim Fact Checking
von: Wang, Shuai, et al.
Veröffentlicht: (2021)

AI-assisted German Employment Contract Review: A Benchmark Dataset
von: Wardas, Oliver, et al.
Veröffentlicht: (2025)

Compression Method Matters: Benchmark-Dependent Output Dynamics in LLM Prompt Compression
von: Johnson, Warren
Veröffentlicht: (2026)

Parametric Social Identity Injection and Diversification in Public Opinion Simulation
von: Wang, Hexi, et al.
Veröffentlicht: (2026)

Can Watermarked LLMs be Identified by Users via Crafted Prompts?
von: Liu, Aiwei, et al.
Veröffentlicht: (2024)

Distractor Injection Attacks on Large Reasoning Models: Characterization and Defense
von: Zhang, Zhehao, et al.
Veröffentlicht: (2025)

SAGED: A Holistic Bias-Benchmarking Pipeline for Language Models with Customisable Fairness Calibration
von: Guan, Xin, et al.
Veröffentlicht: (2024)

The Superalignment of Superhuman Intelligence with Large Language Models
von: Huang, Minlie, et al.
Veröffentlicht: (2024)

Direct Large Language Model Alignment Through Self-Rewarding Contrastive Prompt Distillation
von: Liu, Aiwei, et al.
Veröffentlicht: (2024)

WebMap -- Large Language Model-assisted Semantic Link Induction in the Web
von: Pokharel, Shiraj, et al.
Veröffentlicht: (2025)

MELoRA: Mini-Ensemble Low-Rank Adapters for Parameter-Efficient Fine-Tuning
von: Ren, Pengjie, et al.
Veröffentlicht: (2024)

Exploiting Web Search Tools of AI Agents for Data Exfiltration
von: Rall, Dennis, et al.
Veröffentlicht: (2025)

An Unforgeable Publicly Verifiable Watermark for Large Language Models
von: Liu, Aiwei, et al.
Veröffentlicht: (2023)

TIS-DPO: Token-level Importance Sampling for Direct Preference Optimization With Estimated Weights
von: Liu, Aiwei, et al.
Veröffentlicht: (2024)

Can LLM Watermarks Robustly Prevent Unauthorized Knowledge Distillation?
von: Pan, Leyi, et al.
Veröffentlicht: (2025)

Evaluating MLLMs with Multimodal Multi-image Reasoning Benchmark
von: Cheng, Ziming, et al.
Veröffentlicht: (2025)

A Survey of Text Watermarking in the Era of Large Language Models
von: Liu, Aiwei, et al.
Veröffentlicht: (2023)

MORABLES: A Benchmark for Assessing Abstract Moral Reasoning in LLMs with Fables
von: Marcuzzo, Matteo, et al.
Veröffentlicht: (2025)

d-TreeRPO: Towards More Reliable Policy Optimization for Diffusion Language Models
von: Pan, Leyi, et al.
Veröffentlicht: (2025)

MarkLLM: An Open-Source Toolkit for LLM Watermarking
von: Pan, Leyi, et al.
Veröffentlicht: (2024)

LayerTracer: A Joint Task-Particle and Vulnerable-Layer Analysis framework for Arbitrary Large Language Model Architectures
von: Wu, Yuhang, et al.
Veröffentlicht: (2026)

CIKT: A Collaborative and Iterative Knowledge Tracing Framework with Large Language Models
von: Li, Runze, et al.
Veröffentlicht: (2025)

Towards Effective and Efficient Continual Pre-training of Large Language Models
von: Chen, Jie, et al.
Veröffentlicht: (2024)

PaperAudit-Bench: Benchmarking Error Detection in Research Papers for Critical Automated Peer Review
von: Tu, Songjun, et al.
Veröffentlicht: (2026)

Sure! Here's a short and concise title for your paper: "Contamination in Generated Text Detection Benchmarks"
von: Dingfelder, Philipp, et al.
Veröffentlicht: (2025)

IFMTBench: A Comprehensive Benchmark for Multilingual Translation Instruction Following
von: Sun, Mingrui, et al.
Veröffentlicht: (2026)

Prompt Engineering and the Effectiveness of Large Language Models in Enhancing Human Productivity
von: Anam, Rizal Khoirul
Veröffentlicht: (2025)

Softmax Linear Attention: Reclaiming Global Competition
von: Xu, Mingwei, et al.
Veröffentlicht: (2026)

WebFactory: Automated Compression of Foundational Language Intelligence into Grounded Web Agents
von: Fan, Sicheng, et al.
Veröffentlicht: (2026)

A Semantic Invariant Robust Watermark for Large Language Models
von: Liu, Aiwei, et al.
Veröffentlicht: (2023)

Homogenization of Non-homogeneous Incompressible Navier-Stokes System in Critically Perforated Domains
von: Pan, Jiaojiao
Veröffentlicht: (2024)

Raw Text is All you Need: Knowledge-intensive Multi-turn Instruction Tuning for Large Language Model
von: Hou, Xia, et al.
Veröffentlicht: (2024)

Bug In the Code Stack: Can LLMs Find Bugs in Large Python Code Stacks
von: Lee, Hokyung, et al.
Veröffentlicht: (2024)