Ocena jakości

WebArena-Infinity

2026AktywnyAktualizacja: 17 września 2026Opublikowany

Benchmark i „silnik" do skalowalnego, automatycznego generowania realistycznych środowisk przeglądarkowych z weryfikowalnymi zadaniami do trenowania i oceny agentów webowych.

Kluczowa innowacja

Automatyczne, skalowalne generowanie realistycznych środowisk webowych z weryfikowalnymi zadaniami — zamiast jednego, ręcznie zbudowanego zestawu testów.

Kategoria

Ocena jakości

Poziom abstrakcji

System

Poziom operacji

Ewaluacja (runtime)Środowisko agentowe

Zastosowania

Ewaluacja agentów przeglądarkowychTrenowanie uniwersalnych agentów webowychCiągły benchmarking (bez nasycenia)Weryfikacja poprawy w pętlach samodoskonalenia (np. DarwinX)

Jak działa

Silnik startuje z rzeczywistych artefaktów, po czym agenci kodujący budują działające środowisko webowe, a agenci przeglądarkowi je testują; pętla generuj–testuj–audytuj–popraw wytwarza zadania z automatycznie weryfikowalnymi warunkami sukcesu. Dzięki temu powstają dziesiątki środowisk i tysiące zadań zamiast jednego stałego zestawu.

Rozwiązany problem

Statyczne, ręcznie tworzone benchmarki agentów webowych szybko się nasycają i nie skalują; WAI automatyzuje wytwarzanie wielu środowisk i zadań z weryfikowalnym sukcesem, ograniczając wyciek danych i pozwalając na ciągłą ocenę.