WebSuite

该数据集是一个旨在评估通用型网络代理在不同网络操作与任务上的性能的基准测试套件，重点关注识别失败的模式。此外，该基准测试套件易于扩展，可用于测试和分析更多网络代理的结果。该数据集在多个任务上进行了评估，每个任务运行了八次，以评估网络代理在单个任务以及端到端任务上的性能，从而识别特定的操作失败。