中文简介
microsoft/WebTailBench 是 microsoft 在 Hugging Face 发布的数据集仓库,当前卡片主要关联图文理解与多模态生成。本站固定记录上游版本 50cc93ed008a,同步到 6 个文件,文件元数据合计 上游未提供可汇总大小;访问状态为“公开”,许可证字段为“mit”。
上游模型卡 / 数据集卡
【README 卡片中文译介】
以下内容依据上游仓库 microsoft/WebTailBench 的固定版本 README、卡片字段和文件元数据进行中文结构化整理。它保留便于选型的关键信息,完整技术细节、代码示例和许可文本请同时查看上游原文。
【资源概览】
microsoft/WebTailBench 是 microsoft 在 Hugging Face 发布的数据集仓库,当前卡片主要关联图文理解与多模态生成。本站固定记录上游版本 50cc93ed008a,同步到 6 个文件,文件元数据合计 上游未提供可汇总大小;访问状态为“公开”,许可证字段为“mit”。
【适用方向】
适合评估图文理解、视觉问答、文档或场景解析等多模态任务。 正式使用前应先抽样检查字段、语言、重复项、敏感信息和训练/测试划分,避免只依据仓库名称判断数据质量。
【版本与规格】
固定版本:50cc93ed008a。 任务标签:图文理解与多模态生成。 语言字段:en。 数据集卡名称:WebTailBench。 规模分类:n<1K。 上游页面记录的最近更新时间:2026-05-12。
【文件信息】
上游 API 返回 6 个文件,文件元数据合计 上游未提供可汇总大小。 已保存文件清单中的主要扩展名:.tsv 4 个、.md 1 个、无扩展名 1 个。 当前较大的文件包括:WebTailBench-v2-rubrics.tsv(2.14 MB);WebTailBench-v1-rubrics.tsv(2.07 MB);WebTailBench.tsv(116.91 KB)。
【运行或处理环境】
上游未提供可可靠汇总的仓库大小,不能据此给出磁盘结论。正式处理前应先取得完整文件清单,并核对压缩包、解压空间、缓存和训练副本。
【使用边界】
许可证显示为“mit”,具体用途限制、附加政策和归属要求仍以上游原文为准。 数据集还需核对样本来源、隐私与个人信息、标签质量、地域偏差及下游模型的合规要求。
WebTailBench: A Comprehensive Benchmark for Computer-Using Agents Paper: Fara-7B: An Efficient Agentic Model for Computer Use Universal Verifier: The Art of Building Verifiers for Computer Use Agents Refresh notes **2026-05-12 — WebTailBench V2**: refreshed task strings and precomputed rubrics for the full 609-task suite (the original V1 tasks were calendar-bound through Nov 2025). Available as the `test_v2` split (alongside the original `test` split, which is preserved unchanged). The `test_v2` split is listed first and is the dataset-viewer default. A side-by-side per-task V1↔V2 diff (task summaries and rubric JSON) is hosted on the Fara repo: WebTailBench V1↔V2 diff. Dataset Summary WebTailBench is a comprehensive evaluation benchmark designed to assess Computer-Using Agent (CUA) models' performance across diverse, realistic web-based tasks. This dataset was first released as part of our **Fara** tech report and is formally presented in the paper Fara-7B: An Efficient Agentic Model for Computer Use. The benchmark consists of: **WebTailBench (Main)**: 609 hand-verified tasks across 11 categories designed to test both breadth of skills and depth through complex, multi-step operations **WebTailBench-Refusals**: 111 curated harmful tasks across 7 categories to evaluate agents' ability to appropriately refuse unsafe requests WebTailBench addresses critical gaps in existing benchmarks by providing: 1. **Expanded task diversity and coverage** - Including underrepresented task types like booking restaurant, hotel, and flight reservations, event tickets, real estate, and job searches 2. **Increased task complexity** - Multi-step and cross-site tasks that chain information across websites 3. **Realistic scenarios** - Tasks drawn from high-traffic webpages reflecting actual human information needs 4. **Objective evaluation** - Goal-oriented tasks with clear success criteria verified as specific and achievable by human annotators Key Features **Realism**: Tasks taken from hi
适用场景
适合评估图文理解、视觉问答、文档或场景解析等多模态任务。 正式使用前应先抽样检查字段、语言、重复项、敏感信息和训练/测试划分,避免只依据仓库名称判断数据质量。
规模与格式
固定版本:50cc93ed008a。 任务标签:图文理解与多模态生成。 语言字段:en。 数据集卡名称:WebTailBench。 规模分类:n<1K。 上游页面记录的最近更新时间:2026-05-12。
文件说明
上游 API 返回 6 个文件,文件元数据合计 上游未提供可汇总大小。 已保存文件清单中的主要扩展名:.tsv 4 个、.md 1 个、无扩展名 1 个。 当前较大的文件包括:WebTailBench-v2-rubrics.tsv(2.14 MB);WebTailBench-v1-rubrics.tsv(2.07 MB);WebTailBench.tsv(116.91 KB)。
上游文件元数据
.gitattributes2.40 KBREADME.md12.71 KBWebTailBench-Refusals.tsv14.43 KBWebTailBench-v1-rubrics.tsv2.07 MBWebTailBench-v2-rubrics.tsv2.14 MBWebTailBench.tsv116.91 KB
硬件建议
上游未提供可可靠汇总的仓库大小,不能据此给出磁盘结论。正式处理前应先取得完整文件清单,并核对压缩包、解压空间、缓存和训练副本。
注意事项
许可证显示为“mit”,具体用途限制、附加政策和归属要求仍以上游原文为准。 数据集还需核对样本来源、隐私与个人信息、标签质量、地域偏差及下游模型的合规要求。
获取、校验与交付
咨询此资源时只需发送本页链接或资源准确全称。橙子AI科技会继续核对版本、文件与类型、README资料卡、许可证和访问条件,并在合法访问权限、许可证及平台规则允许的前提下,协助海内外下载、完整性校验及网盘或硬盘交付;本官网本身不托管或下载资源文件。
本页面为橙子AI科技基于固定版本上游卡片整理的中文信息与服务说明,不代表资源作者或平台官方页面。实际许可、访问和使用条件以上游原文为准。