腾讯混元发布WebCraftBench评估AI生成网站

腾讯混元团队推出WebCraftBench评估系统，通过智能体实际使用生成的网站进行测试。该系统在197个人类验证的样本对上，达到85.3%的人类偏好匹配率。WebCraftBench采用覆盖率引导的探索方法，发现未被测试的功能区域，并评估美学、可用性和原始请求完成度。