Weblica：面向视觉网页智能体的可扩展可复现训练环境

摘要

网络复杂、开放且持续变化，使视觉网页智能体的训练数据扩展充满挑战。既有数据收集尝试仍限于离线轨迹（供SFT）或少数仿真环境（供RL训练），未能捕捉网络的多样性。我们提出Weblica（Web Replica）：构建可复现、可扩展网络环境的框架。框架利用(1) HTTP级缓存捕捉并重放稳定的视觉状态、同时保留交互行为，(2) 扎根真实网站与核心网页导航技能的LLM环境合成。用该框架我们把RL训练扩展到数千个多样环境与任务。我们的最佳模型Weblica-8B在多个网页导航基准上超越同规模开放权重基线，同时使用更少推理步，随测试时算力增加而良好扩展，并与API模型具有竞争力。

Weblica：面向视觉网页智能体的可扩展可复现训练环境：论文配图 — 图 1：由于网络的复杂性、动态性和开放性，扩展可视化网络代理的训练数据具有挑战性。左：我们以完全自动化和可扩展的方式综合生成 Web 环境，涵盖导航、表单填写、过滤、日期选择等一系列广泛的功能。除了缓存真实网站之外，这些还为实时网络训练创建了完全离线的替代方案。右图：在这些环境上进行训练可以提高多个 Web 导航基准的性能（此处显示的 Online-Mind2Web [Xue 等人，2025]），并根据测试时计算（顶部）和模型大小（底部）进行扩展。