ClawBench — 浏览器 AI Agent 日常任务基准
Core Idea
TIGER-AI-Lab 开源的浏览器 AI agent 基准：覆盖真实日常任务（网购、出行、信息检索等），用于评测 agent 在”普通用户日常网页操作”上的能力，补足 OSWorld/Mind2Web 之外的空档。
Key Details
- 论文 arXiv:2604.08523（2026-04）；项目页 claw-bench.com
- 配套 HF 数据集（ClawBenchV1Trace 轨迹集）与 PyPI 评测包 clawbench-eval
- HF Daily Paper 收录；TIGER-Lab（NAIL-Group）出品
Why This Matters
评测决定赛道方向：ClawBench 聚焦”日常任务”而非极客场景，与 Fara1.5（模型）、trycua/cua（驱动）形成 computer-use 生态的评测一极。
Relevance to Hermes
可作为 Hermes 浏览器/computer_use 工具链能力的对标评测集；“日常任务”取向符合个人助理 agent 的真实使用场景。