# WebArena Verified El Hattami et al. (2025, Workshop on Scaling Environments for Agents) が提案する、Web エージェントの信頼できる評価のための WebArena 派生ベンチマーク。 LongRCA Bench 論文([[@2026__arXiv__LongRCA Bench - Diagnosing Responsible Roles and Root Causes in Long-Horizon Agent Failures]]、arXiv 2026-08)は、5 つの失敗軌跡ソースの 1 つとして WebArena Verified を使い、[[AutoGen]] Planner–WebSurfer–Critic controller という構成で 177 件の非注入失敗軌跡を収集した(Web 操作ドメイン)。全 177 件が MiniMax-M2.5 によって生成されている点で、複数生成モデルにまたがる TravelPlanner・VitaBench とは異なる。(Source: [[@2026__arXiv__LongRCA Bench - Diagnosing Responsible Roles and Root Causes in Long-Horizon Agent Failures]]) ## 関連 - ソース: [[@2026__arXiv__LongRCA Bench - Diagnosing Responsible Roles and Root Causes in Long-Horizon Agent Failures]]