WebArena là một tiêu chuẩn đánh giá nhằm đo lường mức độ mà các AI agent có thể tự động thực hiện các nhiệm vụ như mua sắm, đặt chỗ và tìm kiếm thông tin trên các trang web thực tế.
WebArena là một tiêu chuẩn đánh giá tiêu chuẩn ngành nhằm đo lường mức độ một AI agent có thể tự động hoàn thành các nhiệm vụ thực tế như mua trang web thương mại điện tử, điền vào biểu mẫu đặt chỗ và đăng lên bảng tin trên trình duyệt. Được phát triển bởi Đại học Carnegie Mellon và các trường khác ở Hoa Kỳ, nó sử dụng tỷ lệ thành công (tỷ lệ hoàn thành nhiệm vụ) làm chỉ số chính và điểm số trong môi trường hộp cát mô phỏng nhiều trang web thực. Trong hoạt động thực tế tính đến năm 2026, lĩnh vực này đã chỉ ra rằng ngay cả khi một tìm kiếm thông tin đơn giản có điểm cao, tỷ lệ thành công sẽ giảm đáng kể khi các nhiệm vụ liên quan đến thao tác biểu mẫu nhiều bước hoặc xác nhận thanh toán. Ngay cả các AI agent có điểm chuẩn cao cũng sẽ cần phải xem xét chi phí xác minh lại quy trình kinh doanh của chính họ (hệ thống nội bộ hoặc giao diện người dùng độc quyền) trước khi triển khai vào sản xuất. Về giá cả thị trường, người ta cho rằng cơ sở để lựa chọn sản phẩm trong lĩnh vực này là đánh giá lại chúng dựa trên trường hợp sử dụng của riêng bạn, thay vì dựa vào các con số chuẩn chung.