AgentRealTaskBench
English 申请测评

任务集 v1.0 / 本地任务 · 海外应用

ARTB-G01 · v1.0

Amazon、Walmart、Target 比价

同一件商品，今天哪家最便宜？

购物购物数据获取

我们对 agent 说的话

比较 product 现在在 Amazon、Walmart、Target 的价格，附链接。

判定标准

通过
  • 3 个价格都与基准相差不超过 5%，是同一型号，链接能打开，最便宜的店判断正确。
部分通过
  • 3 个价格里有 2 个正确。
失败
  • 正确的不超过 1 个，或者编造价格。

每轮更换的参数

  • {product}

提示词模板是公开的，具体参数在每轮结果发布时一起公开。

保留的证据

  • screen_recording
  • baseline_screenshots