明略WebRetriever全球Web智能体挑战赛正式开放报名
面向浏览器自主智能体的权威国际赛事WebRetriever全球挑战赛现已全面启动招募。本次赛事由明略科技主办，北大软件工程国家工程研究中心、中科院自动化所、中科院香港AI机器人创新中心、机器之心联合协办，面向全球研究者、独立开发者、技术团队开放，无国籍、单位限制，依托ECCV 2026收录的真实互联网评测基准，同台比拼Web Agent端到端任务执行能力。
行业痛点：Web智能体缺少真实环境评测标尺
当下各类网页操作Agent层出不穷，但现有评测体系存在三大核心短板：
1、测试环境失真：绝大多数Benchmark依托模拟网页、自建静态站点，和真实动态互联网差距巨大，线下高分上线即翻车；2、评判标准片面：仅依靠页面截图判断操作对错，忽略检索关键词、表单交互、接口请求等关键细粒度行为；3、只看页面到达，忽略任务闭环：很多智能体能够跳转到目标页面，却无法完成信息提取、多页汇总等完整业务需求。
明略科技自研WebRetriever大规模网页智能体评测基准，论文已被ECCV 2026接收，搭建贴合真实互联网的标准化测试体系，本次赛事全部基于该基准数据集开展。
WebRetriever基准三大核心硬核能力
✅1.超大规模真实场景数据集
覆盖80个正规在线网站，搭建总计1550项标准化测试任务，横跨金融、医疗、政务、教育、电商、科技八大行业，全部为实时可访问真实网页，不存在虚拟仿真站点。
实测数据揭露行业真实差距：即便当前头部大模型智能体，页面导航成功率不足50%，完整端到任务完成率仅20%，“点开页面”和“做完任务”存在巨大能力鸿沟。
✅2.NavEval高精度自动化评判框架
配套自研LLM多维度评测引擎NavEval，跳出仅截图打分的传统模式，完整抓取网页交互轨迹、请求参数、表单填写记录、多轮跳转链路，结合视觉画面综合判定任务完成度。
与人类专家打分一致率91.2%，远超同类81%的最优基线；
支持上万条任务批量自动打分，无需人工复核，大幅降低赛事评测成本。
✅3.三层分层评测协议
整套基准划分三套测试流程，层层递进拆解智能体核心能力：
1、基础导航协议：仅考核自主搜索、跳转至指定页面；2、辅助导航协议：提供网站操作文档，测试Agent利用参考资料优化路径；3、端到端综合协议（本次大赛赛道）：纯自然语言指令，自主完成导航、筛选、多模态信息抽取、跨页面整合，输出完整准确答案。
苏公网安备32021402002844
