Share your thoughts, 1 month free Claude Pro on usSee more

Web Agent on WebArena-Lite OOD

0.18Average Score (Reddit)

META-TTL

Updated 17d ago

Evaluation Results

Method	Links
META-TTL 2026.04		0.18	0.47	0.33	0.19	0.49	0.34
Naive 2026.04		0.17	0.53	0.35	0.17	0.53	0.35
META-TTL 2026.04		0.17	0.56	0.37	0.17	0.58	0.38
Static 2026.04		0.16	0.46	0.31	0.16	0.47	0.32
Reflexion 2026.04		0.16	0.48	0.32	0.16	0.48	0.32
Memory Agent 2026.04		0.16	0.47	0.32	0.16	0.46	0.31
Naive 2026.04		0.16	0.45	0.3	0.16	0.44	0.3
META-TTL 2026.04		0.16	0.48	0.32	0.16	0.49	0.33
Naive 2026.04		0.14	0.45	0.3	0.15	0.46	0.31