Une nouvelle étude publiée sur arXiv présente WebAnything, un cadre entièrement automatisé conçu pour répondre au besoin critique d'environnements de sites web diversifiés, exécutables et réinitialisables pour l'entraînement et l'évaluation des agents web. Alors que les méthodes existantes reposent souvent sur des miroirs assistés par l'homme fastidieux ou une construction générative qui peut diverger des sites réels, WebAnything reconstruit des environnements ancrés dans la source directement à partir d'URL réelles sans nécessiter de mise en œuvre manuelle ni de réparation après la configuration initiale.
Le cadre fonctionne grâce à un système couplé Explorer-Builder qui collecte les structures observables par le navigateur, les ressources et les résultats des interactions. Un vérificateur indépendant contrôle ensuite les candidats figés par rapport aux preuves de la source et aux contrats du site. Ce processus de vérification guide le système pour effectuer soit des réparations locales sur les erreurs d'implémentation, soit déclencher une recapture ciblée des données sources lorsque les preuves sont insuffisantes. Ce cycle garantit que les environnements reconstruits maintiennent une haute fidélité par rapport aux sites web originaux tout en restant réutilisables pour des tests répétés.
En termes d'échelle, les chercheurs ont construit 244 artefacts de sites web couvrant 14 domaines d'application et 53 catégories. Ces environnements prennent en charge un total de 12 984 tâches exécutées et acceptées. Lorsqu'il est comparé à WebHarbor, une référence assistée par l'homme, WebAnything a obtenu des scores agrégés plus élevés sur trois métriques de fidélité. Dans un audit à l'aveugle impliquant cinq sites appariés et 14 états historiques, le cadre automatisé a remporté 12 victoires et deux matchs nuls sans aucune défaite.
L'utilité de ces environnements a été démontrée davantage par l'entraînement de modèles en aval. L'affinage du modèle Qwen3.5-9B sur 5 856 trajectoires d'interaction collectées à partir des environnements WebAnything a entraîné des gains de performance significatifs. Le modèle a enregistré une amélioration de 9,9 points de pourcentage dans les taux de réussite REAL, des augmentations de 6,25 et 6,32 points de pourcentage respectivement dans la moyenne du barème Odysseys-Easy et la moyenne des tâches, ainsi qu'une hausse de 13,33 points de pourcentage dans le succès global vérifié de WebArena sous un harnais fixe. Le code du projet est disponible sur GitHub.
Sources: arXiv cs.AI.