WebCatalyst 用浏览器交互强化学习提升交互式 HTML 生成质量。
资讯摘要
论文提出浏览器交互强化学习框架 WebCatalyst，针对当前代码大模型生成 HTML 时功能与视觉质量不足的问题，以迷你游戏为测试平台，包含游戏级 GUI 评估器、缓解 VLM 奖励作弊的 Visual Anchor 和基于运行时执行轨迹的 Action-Trace Credit 三个组件。作者报告在不足 1K 条请求上训练后，Qwen3.6-35B-A3B 的 Cookie-Bench Mini Games 分数从 68.8 升至 75.3，WebGen-Bench 准确率从 48.8 升至 56.9，并在所评估指标的平均排名上超过 Claude Opus 4.7。
要点速读
- 论文提出 WebCatalyst 浏览器交互强化学习框架，含游戏级 GUI 评估器、Visual Anchor 与 Action-Trace Credit 三个组件。
- 作者报告在不足 1K 条请求上训练后，Cookie-Bench Mini Games 分数由 68.8 升至 75.3，WebGen-Bench 准确率由 48.8 升至 56.9。
- 作者称在评估指标的平均排名上超过 Claude Opus 4.7，并认为提升反馈保真度是改进交互式 HTML 生成的关键。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/5 08:00:38（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。