Eine neue Studie, die auf arXiv veröffentlicht wurde, stellt WebAnything vor, ein vollständig automatisiertes Framework, das entwickelt wurde, um den kritischen Bedarf an vielfältigen, ausführbaren und zurücksetzbaren Website-Umgebungen für das Training und die Evaluierung von Web-Agenten zu adressieren. Während bestehende Methoden oft auf arbeitsintensiven, menschlich unterstützten Spiegeln oder generativer Konstruktion beruhen, die von echten Websites abweichen können, rekonstruiert WebAnything quellengebundene Umgebungen direkt aus echten URLs, ohne dass nach der ersten Einrichtung eine manuelle Implementierung oder Reparatur erforderlich ist.
Das Framework arbeitet über ein gekoppeltes Explorer-Builder-System, das browserbeobachtbare Strukturen, Ressourcen und Interaktionsergebnisse sammelt. Ein unabhängiger Verifizierer überprüft dann eingefrorene Kandidaten gegen Quellennachweise und Website-Verträge. Dieser Verifizierungsprozess leitet das System an, entweder lokale Reparaturen bei Implementierungsfehlern durchzuführen oder eine gezielte erneute Erfassung von Quelldaten auszulösen, wenn die Nachweise unzureichend sind. Dieser Zyklus stellt sicher, dass die rekonstruierten Umgebungen eine hohe Treue zu den ursprünglichen Websites beibehalten und gleichzeitig für wiederholtes Testen wiederverwendbar bleiben.
Hinsichtlich des Umfangs haben die Forscher 244 Website-Artifakte erstellt, die sich über 14 Anwendungsbereiche und 53 Kategorien erstrecken. Diese Umgebungen unterstützen insgesamt 12.984 ausgeführte und akzeptierte Aufgaben. Im Vergleich zu WebHarbor, einer menschlich unterstützten Baseline, erzielte WebAnything höhere Gesamtpunkte bei drei Treue-Metriken. Bei einem Blind-Test mit fünf übereinstimmenden Websites und 14 historischen Zuständen sicherte sich das automatisierte Framework 12 Siege und zwei Unentschieden ohne Niederlagen.
Die Nützlichkeit dieser Umgebungen wurde weiter durch nachgelagertes Modelltraining demonstriert. Das Feinabstimmen des Qwen3.5-9B-Modells auf 5.856 Interaktionspfade, die aus den WebAnything-Umgebungen gesammelt wurden, führte zu erheblichen Leistungssteigerungen. Das Modell verzeichnete eine Verbesserung der REAL-Erfolgsrate um 9,9 Prozentpunkte, Steigerungen von 6,25 und 6,32 Prozentpunkten bei Odysseys-Easy Rubric Avg bzw. Task Avg sowie einen Anstieg der WebArena-Verified Overall-Erfolgsrate um 13,33 Prozentpunkte unter einem festen Harness. Der Code für das Projekt steht auf GitHub zur Verfügung.
Quellen: arXiv cs.AI.