WebHarbor 发布 153 个可执行网站环境，用于 GUI 智能体训练与…
工具AI 评分 78/100arXiv cs.AI待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
WebHarbor 是一套包含 153 个可执行、容器化网站环境的套件，重建真实网络服务的界面、内容与操作流程，并在确定性控制下运行。它通过任务驱动的人机协作构建：新任务扩展功能范围，编码智能体实现改动，人工审核视觉保真度、功能正确性与任务有效性。套件共含 3518 个任务，覆盖多步骤及登录后流程。除评测外，它还提供高保真合成环境用于低成本强化学习；一个 Qwen 4B 级 GUI 智能体在其中训练后，可泛化到未见任务，并在四个基准上与领先开源 GUI 网页智能体表现相当。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载为什么要另建环境
论文指出，直接以在线网站作为评测环境存在三类问题：页面内容会随时间变化，访问受到限制，且需要登录才能完成的工作流覆盖不足。而现有的合成训练环境又往往在功能深度和视觉真实度上不够。WebHarbor 的定位是在确定性控制下复现真实站点的界面、内容与操作流程，使评测与训练都能在稳定条件下重复进行，同时把登录后流程纳入覆盖范围。
环境如何长出来
这套环境不是一次性搭建完成的，而是随任务扩展而演进。流程由任务驱动：新增任务会扩大环境需要支持的功能范围，编码智能体负责实现相应改动，人工贡献者则审核三件事——视觉是否贴近真实站点、功能是否正确、任务本身是否有效。最终形成 153 个可执行且容器化的网站环境，配套 3518 个任务，其中包含多步骤操作和登录后工作流，这类场景在已有工作中通常难以覆盖。
训练侧的效果
除评测用途外，WebHarbor 还作为高保真合成环境用于强化学习，以较低成本提供训练信号。论文给出的验证是：一个 Qwen 4B 级 GUI 智能体在 WebHarbor 中经 RL 训练后，能够泛化到未见过的任务，并在四个基准上与领先的开源 GUI 网页智能体表现相当。这说明在受控合成站点上训练出的能力，可以迁移到训练时未出现的任务上。
为什么值得看
真实网站评测受内容变动与登录限制困扰，这套可复现环境同时解决评测稳定性与 RL 训练成本问题。
Qwen智能体强化学习
信源1 家
关键事实
相关 · 工具
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。