VisualWebBench

测一测多模态大模型在真实网页上有多能打

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署 开源模型 🍴 复刻 6 🐛 待处理 7 👀 关注 2
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 68
维护状态 低维护
是否开源 开源
定价模式 🏷️完全免费 开源评估框架，完全免费，需自行部署使用。

项目预览

VisualWebBench 项目界面预览图
图片来源：GitHub 官方仓库名片

项目数据

分类开源模型
开发团队VisualWebBench
官网地址https://visualwebbench.github.io
GitHubhttps://github.com/VisualWebBench/VisualWebBench
定价模式🏷️完全免费
价格说明开源评估框架，完全免费，需自行部署使用。
访问状态🔧 仅开源项目，无在线服务，需自行部署
是否开源是
主要语言Python
技术栈/模型computer-vision,deep-learning,evaluation,foundation-models,large-language-models,large-multimodal-models,llm,llms,machine-learning,mllm,multimodal,multimodal-deep-learning,multimodal-large-language-models,natural-language-processing,question-answering,visual-question-answering
GitHub 星标★ 68
上线时间2024-04-02 00:00:00
代码更新2024-10-19
仓库体积3.3 MB
本站数据更新2026-11-10
维护状态低维护
收录时间2026-08-09
浏览次数5

项目介绍

VisualWebBench 是一个针对多模态大语言模型（MLLMs）在网页理解与定位（Grounding）任务上的评估框架，源自同名论文。它解决的核心问题是：现有基准测试多聚焦于静态图像或纯文本，缺乏对模型在真实网页环境中综合能力的量化评测。该框架提供了一套标准化的测试集和评估协议，涵盖网页截图理解、元素定位、视觉问答等任务，能够自动计算模型在网页级任务上的准确率、定位精度等指标。其核心能力包括：支持多种主流 MLLM 的接入、提供可复现的评估流程、以及细粒度的任务分解（如文本识别、布局理解、图标定位）。通过该框架，研究者可以横向对比不同模型的网页理解能力，推动多模态模型在网页交互场景中的落地。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 68

核心亮点

  • 首个专门针对网页理解与定位的评估基准，填补空白
  • 提供标准化测试集和自动化评分脚本，结果可复现
  • 任务设计贴近真实网页场景（截图+DOM），实用性强

不足之处

  • 项目处于早期，文档和社区支持待观察
  • 测试集规模可能有限，覆盖网页类型不够广泛

适用场景

  • 多模态模型研发中对比网页理解能力
  • 评估模型在网页自动化操作（如智能代理）中的表现
  • 学术研究中验证新方法在网页任务上的有效性

替代项目

WebArena、Mind2Web、WebVoyager

上一篇：ClassEval

下一篇：RWKU

同类项目推荐

arc-agi-benchmarking 开源

统一流程跑多个大模型，横向对比抽象推理成绩

Testing baseline LLMs performance across various models

★ 365 2026-10-24
ProteinWorkshop 开源

统一蛋白质表示学习的数据、模型与评测流程

Benchmarking framework for protein representation learning. Includes a large number ···

★ 280 2026-10-31
AgentHound 开源

像 BloodHound 一样测绘 AI 智能体攻击路径，快速发现安全弱点。

Offensive security framework for AI agent infrastructure - recon, credential looting···

★ 462 2026-08-09
Eval 开源

并行跑 LLM 评测，速度提升最高 17 倍

High-performance LLM evaluation framework with parallel API calls — up to 17× fast···

★ 119 2026-09-15
AlgoTune 开源

写更快的代码，用154道题检验你的算法优化能力

AlgoTune is a NeurIPS 2025 benchmark made up of 154 math, physics, and computer scie···

★ 119 2026-08-09
verifywise 开源

一站式搞定 AI 合规审计，轻松应对欧盟 AI 法案等 20+ 法规。

Complete AI governance and LLM Evals platform with support for EU AI Act, ISO 42001,···

★ 374 2026-08-10
evals-skills 开源

跟着课程搭 LLM 评测体系，把主观质量变成可复现指标

Skills for AI Evals to compliment the course: AI Evals For Engineers & PMs

★ 1674 2026-09-14
nordef-matrix-open-control 开源

给 AI 加一道可验证的安全闸门，三态决策拦截风险

NORDEF Matrix Open Control: model-independent AI safety belt with 0/1/2 decisions, E···

★ 680 2026-09-14