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")