WebAnything、実在サイトをエージェント環境へ自動変換

Webエージェントを訓練するには、画面のスクリーンショットや少数の手作業デモだけでは不十分です。検索、クリック、フォーム入力、複数ページにまたがる操作を学習させるには、実行可能で、多様かつリセット可能な環境が必要になります。しかし既存の方法には課題があります。人手で作るミラーはサイトごとの実装と保守を要求し、生成モデルによる再現は指定された実サイトから離れる可能性があります。キャプチャーとリプレイも、記録された内容と再生機能の範囲に操作が制限されます。

WebAnythingの仕組み

WebAnythingは、実在するURLを再利用可能なWebエージェント環境へ変換する工程を自動化します。中心となるのは次の二つの要素です。

• Explorer-Builder：ブラウザから観測できるページ構造、リソース、操作後の結果を収集し、環境を構築します。
• 独立検証器：凍結された候補環境を確認し、不一致があれば局所修正を促すか、対象部分だけをソースサイトから再取得します。

重要なのは、見た目だけを複製するのではなく、実行可能な操作とその結果も再構築の対象にする点です。論文によれば、初期設定と認証が済んだ後は、サイトごとの手作業実装や、完成後の人手による修正を必要としません。

実験で示された規模

研究チームは14のアプリケーション領域、53カテゴリにまたがる244件のWebサイト成果物を作成し、12,984件の実行・受理タスクに対応しました。人手支援型のWebHarborとのブラインド比較では、三つの忠実度指標の総合結果でWebAnythingが上回り、12項目で勝利、2項目で同点、敗北はありませんでした。

さらに、5,856件のインタラクション軌跡でQwen3.5-9Bを微調整しました。論文が報告する固定ハーネスでは、REALの成功率が9.9ポイント、Odysseys-EasyのRubric Avgが6.25ポイント、Task Avgが6.32ポイント、WebArena-Verified Overallが13.33ポイント向上しました。

意義と残る課題

この研究の意義は、Web環境の作成をサイトごとの個別開発から、生成・検証・修復を繰り返すスケーラブルな工程へ移そうとしたことにあります。より多様な訓練データを用意できれば、Webエージェント研究を少数のベンチマークサイトへの依存から広げられる可能性があります。

一方で、これはライブWeb全体の完全なシミュレーションではありません。再構築の範囲は、ブラウザから観測できる情報、取得した操作結果、検証器の検出能力に左右されます。認証、権限、外部データの変化など、動的な要素は環境の安定性に影響し得ます。したがってWebAnythingは、実サイトに根差した環境を大規模に整備するための有力な工程として捉えるのが適切です。

出典：Hugging Face Daily Papers