一句话看懂：arXiv 上一篇新论文提出 WebAnything，可仅凭真实网址自动重建可执行、可重置的网站环境，用于网页智能体训练与评测，初步覆盖 244 个网站、执行并收录 12,984 个任务。
事件核心：发生了什么
这篇发布于 2026 年 10 月 30 日的论文（arXiv:2610.37786）针对网页智能体（Web Agent）训练中“环境难复现”的问题，提出全自动框架 WebAnything。与需要逐站人工搭建镜像的 WebHarbor 不同，WebAnything 在初始搭建和授权完成后，无需针对每个网站手工实现或修复，就能从真实 URL 重建“以源网站为依据”且可复用的 Web 环境。
流程上由 Explorer-Builder 采集浏览器可观察的页面结构、资源和交互结果，再由独立验证器检查冻结后的候选环境，并触发局部修复或定向重新采集。据摘要，团队在 14 个应用领域、53 个类别下构建了 244 个网站制品，支撑 12,984 个已执行并通过验收的任务。与人工辅助的 WebHarbor 相比，WebAnything 在三项保真度指标的综合得分更高，盲审结果为 12 胜、2 平、0 负。
为什么重要
网页智能体要在真实网页上稳定训练和评测，前提是环境能反复执行和重置；但手动镜像成本高，纯生成式搭建又容易偏离目标网站。WebAnything 的价值在于把“采集—验证—修复”做成自动化流水线，在保真度和可复用性之间找平衡，这直接关系到训练数据能否规模化。
摘要还给出训练侧的初步信号：用 5,856 条交互轨迹微调 Qwen3.5-9B 后，REAL 成功率提升 9.9 个百分点，Odysseys-Easy 的 Rubric Avg 与 Task Avg 分别提升 6.25 和 6.32 个百分点，在固定评测框架下 WebArena-Verified 总体成功率提升 13.33 个百分点。上述结果均来自论文摘要所述条件，尚需看全文实验设计与复现情况，不宜理解为通用排行榜结论。
对用户/开发者/创作者的影响
对开发者，最直接的看点是代码已开源（github.com/china-qijizhifeng/Web-Anything），若复现顺利，可用它为自己关心的网站批量生成可重置测试环境，降低智能体开发中“造环境”的成本。对研究人员，这意味着评测集可以更快扩充到更多网站和任务类型。对企业采购，目前公开信息显示仍处于论文阶段，不属于已上线产品，是否稳定、授权与合规边界如何，需等代码和全文细节验证。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是开源代码能否一键跑通，对未授权或结构复杂的网站表现如何；二是验证器能否有效识别与源站不符的环境，避免“看起来像、实际不能用”；三是后续是否出现同行复现与竞品跟进，以及该路线能否沉淀为社区可共享的智能体评测基础设施。
来源：arXiv cs.AI
