К содержимому

Датасет · BreakingWeb

Траектории веб-агентов в браузерном бенчмарке

BreakingWeb/breakingweb-results-v3

От 100 тыс. до 1 млн шагов работы топовых LLM-агентов (Claude, GPT, Gemini) в браузерных задачах.

Что внутри

Записи траекторий выполнения веб-задач в среде BreakingWeb с парными сценариями (чистыми и с вмешательствами) по семи локально развёрнутым сайтам. Внутри лежат логи Browser-Use для Claude Sonnet 4.6 и Opus 4.7, а также скриншотные траектории BrowserGym для Gemini 3.1 Pro, GPT-5.4 и Claude Opus 4.7; объём составляет от 100K до 1M записей.

Что можно сделать

  • SFT или RL-дообучение мультимодальных веб-агентов на действиях по скриншотам
  • Анализ устойчивости браузерных агентов к сбоям и вмешательствам на страницах
  • Сравнение стратегий навигации разных LLM в веб-среде
Задачи
Обучение с подкреплением
Размер
100K–1M записей
Скачиваний за месяц
23,3 тыс.
Лайков
0

Как загрузить

from datasets import load_dataset

ds = load_dataset("BreakingWeb/breakingweb-results-v3")