Um novo estudo publicado no arXiv apresenta o WebAnything, uma estrutura totalmente automatizada projetada para atender à necessidade crítica de ambientes de sites diversos, executáveis e reiniciáveis para treinamento e avaliação de agentes web. Enquanto os métodos existentes frequentemente dependem de espelhos assistidos por humanos que demandam muito trabalho ou de construção generativa que pode divergir dos sites reais, o WebAnything reconstrói ambientes fundamentados na fonte diretamente a partir de URLs reais sem exigir implementação manual ou reparos após a configuração inicial.
A estrutura opera por meio de um sistema acoplado Explorer-Builder que coleta estruturas observáveis pelo navegador, recursos e resultados de interação. Um verificador independente então verifica os candidatos congelados contra evidências da fonte e contratos do site. Este processo de verificação orienta o sistema a realizar reparos locais em erros de implementação ou a disparar uma recaptura direcionada dos dados da fonte quando as evidências são insuficientes. Este ciclo garante que os ambientes reconstruídos mantenham alta fidelidade aos sites originais, permanecendo reutilizáveis para testes repetidos.
Em termos de escala, os pesquisadores construíram 244 artefatos de sites abrangendo 14 domínios de aplicação e 53 categorias. Esses ambientes suportam um total de 12.984 tarefas executadas e aceitas. Quando comparado ao WebHarbor, uma linha de base assistida por humanos, o WebAnything alcançou pontuações agregadas mais altas em três métricas de fidelidade. Em uma auditoria cega envolvendo cinco sites correspondentes e 14 estados históricos, a estrutura automatizada garantiu 12 vitórias e dois empates, sem derrotas.
A utilidade desses ambientes foi ainda demonstrada por meio do treinamento de modelos subsequentes. O ajuste fino do modelo Qwen3.5-9B em 5.856 trajetórias de interação coletadas dos ambientes WebAnything resultou em ganhos significativos de desempenho. O modelo apresentou uma melhoria de 9,9 pontos percentuais nas taxas de sucesso REAL, aumentos de 6,25 e 6,32 pontos percentuais na Média do Rubric Odysseys-Easy e na Média de Tarefas, respectivamente, e um aumento de 13,33 pontos percentuais no sucesso geral verificado do WebArena sob um harness fixo. O código para o projeto está disponível no GitHub.
Fontes: arXiv cs.AI.