Apple ML Researchは7月7日(現地時間)、視覚ウェブエージェント向けのスケーラブルで再現可能な訓練環境を構築するフレームワーク「Weblica」を発表しました。同フレームワークは、複雑かつ変化の激しいウェブ環境における訓練データのスケーリングの難しさという長年の課題に対応します。Weblicaは、再現性と拡張性を両立したウェブ環境を提供することで、エージェントの訓練効率と性能向上を目指すものです。
Weblicaは、既存のデータ収集方法が限定的でウェブの多様性を十分に捉えられていない現状に対し、根本的な解決策を提示しています。その目的は、再現性と拡張性のあるウェブ環境を提供することにあります。
このフレームワークは、二つの主要な技術的要素を組み合わせることでその目的を達成します。一つは、インタラクティブな動作を維持しつつ安定した視覚状態を捕捉・再生するためのHTTPレベルのキャッシュ機能です。これにより、ウェブ環境の動的な側面を効率的に管理し、訓練プロセスの一貫性を確保します。もう一つは、実際のウェブサイトおよび主要なウェブナビゲーションスキルに基づいた大規模言語モデル (LLM) ベースの環境合成です。このアプローチにより、エージェントが多様なシナリオに対応できるよう、現実的かつ複雑な訓練環境を生成することが可能になります。
Weblicaの導入により、強化学習 (RL) 訓練を数千もの多様な環境とタスクにスケールすることが可能になりました。これは、従来のウェブエージェント訓練における大きな制約であったスケーラビリティの問題を克服するものです。同フレームワークから生まれたモデル「Weblica-8B」は、複数のウェブナビゲーションベンチマークにおいて、その有効性を実証しています。具体的には、同規模のオープンウェイトベースラインを上回り、少ない推論ステップで動作し、追加のテスト時計算量に対して良好なスケーリングを示しました。さらに、Weblica-8BはAPIモデルに匹敵する性能を達成しています。
Weblicaが提供するスケーラビリティと再現性の高い訓練環境は、ウェブエージェント開発競争において重要な一歩となる可能性があります。HTTPレベルのキャッシュやLLMベースの環境合成といった手法は、今後のウェブ自動化技術の標準となりうる可能性を秘めており、他のテック企業の研究開発にも影響を与えるものと見られます。この技術は、ユーザーインターフェースを介したタスク自動化や情報収集の精度を向上させ、新たなサービスやビジネスモデル創出の基盤を築く可能性があります。
参考: Apple ML Research — 2026年7月7日 09:00 (JST)
原文ハイライト"Weblica: Scalable and Reproducible Training Environments for Visual Web Agents"