LLM-as-a-Judge

Ego2Web：基于第一人称视频的网页智能体基准

Ego2Web: A Web Agent Benchmark Grounded in Egocentric Videos

Ego2Web 将第一人称视频感知与网页任务执行串联，为视觉研究者提供了检验视频理解模型能否支撑真实世界在线任务的新基准；其 LLM-as-a-Judge 自动评估方法（Ego2WebJudge）也可迁移到其他需要开放式判断的视觉任务评测中。