WebWorld：用于 Web 智能体训练的大规模世界模型

Web 智能体需要海量轨迹才能泛化，但真实世界训练受网络延迟、速率限制和安全风险制约。我们提出 WebWorld 系列，首个以规模方式训练的开放网络模拟器。现有模拟器受限于只有数千条轨迹的封闭环境，WebWorld 则利用可扩展数据管线在超过 100 万次开放网络交互上训练，支持推理、多格式数据和 30 步以上的长视界模拟。在内在评估上，我们提出带九个维度双指标的 WebWorld-Bench，WebWorld 的模拟性能与 Gemini-3-Pro 相当。在外在评估上，用 WebWorld 合成轨迹训练的 Qwen3-14B 在 WebArena 上提升 9.2%，达到与 GPT-4o 相当的性能。WebWorld 支持有效的推理时搜索，作为世界模型优于 GPT-5。除网络模拟外，WebWorld 还表现出向代码、GUI 和游戏环境的跨域泛化，为世界模型构建提供了可复制的配方。