AgentRewardBench评估Web agent轨迹，感谢HF/Gradio生态

感谢AK分享我们的论文（https://arxiv.org/abs/2504.08942）！真的再怎么强调也不为过，@huggingface/@Gradio生态系统让这样的基准测试得以问世：托管大型轨迹数据集（30GB+）、实时排行榜以及轨迹+判断的演示。