Weblica：面向视觉网页智能体的可扩展可复现训练环境
Weblica: Scalable and Reproducible Training Environments for Visual Web Agents
摘要
Weblica（Web Replica）是一个用于构建可复现且可扩展网络环境的框架，旨在解决视觉网络智能体训练数据扩展的挑战。该框架通过HTTP级别缓存捕获并回放稳定的视觉状态，同时保留交互行为，并利用基于LLM的环境合成技术。现有数据收集局限于离线轨迹或少数模拟环境，未能覆盖网络多样性，Weblica通过可复现的环境设计支持更广泛的训练数据生成。
网络是复杂、开放且不断变化的，这使得为视觉网络智能体扩展训练数据变得极具挑战。现有的数据收集尝试仍局限于用于监督微调的离线轨迹，或少数用于强化学习训练的模拟环境，因此未能捕捉到网络的多样性。我们提出 Weblica（Web Replica），一个用于构建可复现且可扩展网络环境的框架。我们的框架利用：1）HTTP 级别的缓存来捕获并回放稳定的视觉状态，同时保留交互行为；2）基于 LLM 的环境合成……
译自 Apple · ML Research · 录于 二〇二六年七月八日