Wuying-Browser-Agent：以真实世界为中心的基础长程浏览器Agent

浏览器Agent在简短、干净的演示任务上表现出色，但真实部署根本不同：Agent必须在真实网站上维持数十次决策，同时从错误中恢复并驾驭复杂UI。我们认为，弥合这一差距需要在流水线的每一层进行对齐，包括执行、监督、优化和评估，而不能只靠规模。我们提出Wuying-Browser-Agent，一个应对上述每一层的统一框架。结构化浏览器工具层提供稳定的执行原语与面向决策的上下文管理。反思与UI专精课程SFT（RUIC-SFT）显式地在恢复轨迹和复杂UI交互上训练。发散感知在线GRPO（DAO-GRPO）通过基于势函数的奖励塑形与发散感知的步级加权，改进长程信用分配。最后，我们推出BrowserBench——一个包含350个任务、平均37.9步的双语真实网页基准，因为现有大多数基准太短，无法暴露长程失败模式。Wuying-Browser-Agent-27B在WebVoyager上达到80.6%，在Online-Mind2Web上达到66.7%，在BrowserBench上达到65.1%，在浏览器使用基准上确立了新的开源最优水平。同一流水线还能迁移到浏览器使用之外，展现出很强的通用Agentic能力，在Tau2-Bench、Claw-Eval和BFCL-v4上平均得分73.8。