Weblica：面向视觉网页智能体的可扩展可复现训练环境

网络复杂、开放且不断变化，这使得为视觉网页智能体扩展训练数据颇具挑战。现有的数据收集尝试仍局限于用于监督微调的离线轨迹，或用于 RL 训练的少量模拟环境，因而无法捕捉网络的多样性。我们提出 Weblica（Web Replica），一个用于构建可复现且可扩展的网页环境的框架。我们的框架利用 1）HTTP 级缓存来捕获并重放稳定的视觉状态，同时保留交互行为，以及 2）基于真实世界网站和核心网页导航技能、由 LLM 驱动的环境合成。借助这一框架，我们将 RL 训练扩展到数千个多样化的环境和任务。我们最好的模型 Weblica-8B 在多个网页导航基准上优于规模相近的开放权重基线，同时使用更少的推理步骤，并能随额外的测试时计算量良好扩展，且与 API 模型相比具有竞争力。