Un nuovo studio pubblicato su arXiv presenta WebAnything, un framework completamente automatizzato progettato per rispondere all'esigenza critica di ambienti web diversificati, eseguibili e resettabili per l'addestramento e la valutazione degli agenti web. Mentre i metodi esistenti spesso si basano su specchi assistiti dall'uomo che richiedono molto lavoro o sulla costruzione generativa che può discostarsi dai siti reali, WebAnything ricostruisce ambienti basati sulla fonte direttamente da URL reali senza richiedere implementazione manuale o riparazioni dopo la configurazione iniziale.
Il framework opera attraverso un sistema accoppiato Esploratore-Costruttore che raccoglie strutture osservabili dal browser, risorse e risultati delle interazioni. Un verificatore indipendente controlla poi i candidati congelati contro le prove della fonte e i contratti del sito. Questo processo di verifica guida il sistema a eseguire riparazioni locali sugli errori di implementazione o a innescare una ricattura mirata dei dati della fonte quando le prove sono insufficienti. Questo ciclo garantisce che gli ambienti ricostruiti mantengano un'alta fedeltà rispetto ai siti web originali rimanendo al contempo riutilizzabili per test ripetuti.
In termini di scala, i ricercatori hanno costruito 244 artefatti web che coprono 14 domini applicativi e 53 categorie. Questi ambienti supportano un totale di 12.984 compiti eseguiti e accettati. Quando confrontato con WebHarbor, una baseline assistita dall'uomo, WebAnything ha ottenuto punteggi aggregati più alti su tre metriche di fedeltà. In un'audit cieco che coinvolgeva cinque siti abbinati e 14 stati storici, il framework automatizzato ha ottenuto 12 vittorie e due pareggi senza sconfitte.
L'utilità di questi ambienti è stata ulteriormente dimostrata attraverso l'addestramento di modelli a valle. Il fine-tuning del modello Qwen3.5-9B su 5.856 traiettorie di interazione raccolte dagli ambienti WebAnything ha portato a significativi guadagni di prestazioni. Il modello ha registrato un miglioramento del 9,9 punti percentuali nei tassi di successo REAL, aumenti di 6,25 e 6,32 punti percentuali rispettivamente in Odysseys-Easy Rubric Avg e Task Avg, e un incremento del 13,33 punti percentuali nel successo complessivo WebArena-Verified sotto un'infrastruttura fissa. Il codice per il progetto è disponibile su GitHub.
Fonti: arXiv cs.AI.