Mind2Web 是俄亥俄州立大学团队提出的网页智能体基准数据集，用于评估大模型在真实网站上理解用户意图并完成操作的能力，已成为 Web Agent 领域最常被引用的评测标准之一。随着 GPT-6 Astra 等强调 Computer Use 能力的模型发布，以及大量开源训练方法涌现，围绕 Mind2Web 及其后续版本（如 Mind2Web 2）的评测竞争正成为衡量网页自动化水平的重要参照。
Mind2Web 相关的近期进展
当前焦点与观察点
围绕 Mind2Web 的讨论主要集中在三点。其一是评测的有效性：原始版本基于离线快照，被指出与真实在线环境的差距较大，Mind2Web 2 等后续版本尝试引入动态、评判式的任务设计，社区也在用 WebArena 等可交互环境作为补充。其二是排名的参考价值：GPT-6 Astra 等闭源模型与 CLIFT 这类开源方案在评测上的追赶，让单一榜单的说服力下降，实际生产中的可靠性成为更现实的指标。其三是训练侧的演进：多轮强化学习和 agent 记忆机制（如 FluxMem 将记忆建模为动态图结构并在三项基准取得 SOTA）正在改变模型在长程网页任务上的表现，未来 Mind2Web 类基准能否跟上这些能力变化，值得关注。