arXiv cs.AIは10月26日(現地時間)、Tianci Xie氏らによる研究論文「WebAnything: From the Wild Web to Scalable Agent Environments」を公開しました。同論文は、ウェブエージェントのトレーニングと評価を目的とし、多様で実行可能、かつリセット可能なウェブサイト環境を自動で再構築するフレームワーク「WebAnything（ウェブエニシング）」を提示しています。
ウェブエージェントが再現性のあるトレーニングと評価を行うには、多様で実行可能、かつリセット可能なウェブサイト環境が不可欠です。従来の、人間が補助するミラーリング手法ではサイトごとにエンジニアリング作業が必要であり、生成的な構築アプローチでは指定された実際のウェブサイトから逸脱するリスクがありました。また、キャプチャ・アンド・リプレイ方式では、インタラクションの網羅性がキャプチャされたコンテンツとリプレイ機能によって制約されるという課題がありました。
ウェブエニシング（WebAnything）は、実際のURLからソースに基づいた再利用可能なWeb環境を再構築する完全自動フレームワークです。これは、初期設定や認証後のサイトごとの手動実装や修復を必要とせずに実現されます。このフレームワークに組み込まれたExplorer-Builderは、ブラウザで観測可能な構造、リソース、およびインタラクションの結果を収集します。その後、独立したベリファイアが「凍結された」候補環境をチェックし、ローカルでの修復やターゲットとなるソースの再キャプチャをガイドします。
このフレームワークを用いて、14のアプリケーションドメインと53のカテゴリにわたる244のウェブサイトアーティファクトが構築されました。これらは合計12,984の実行され承認されたタスクをサポートしています。WebAnythingは、人間が補助するウェブハーバー（WebHarbor）と比較して、3つの忠実度メトリクスにおいてより高い総合スコアを達成し、ブラインド監査では12勝2引き分け無敗という結果を記録しました。さらに、Qwen3.5-9Bを5,856のインタラクション軌跡でファインチューニングすることにより、REAL成功率が9.9パーセンテージポイント、オディッセイズ・イージー・ルーブリック平均（Odysseys-Easy Rubric Avg）およびタスク平均（Task Avg）がそれぞれ6.25および6.32パーセンテージポイント、ウェブアリーナ・ベリファイド・オーバーオール（WebArena-Verified Overall）成功率が固定されたハーネスの下で13.33パーセンテージポイント向上しました。
参考: arXiv cs.AI — 2026年10月31日 13:00 (JST)
原文ハイライト"WebAnything: From the Wild Web to Scalable Agent Environments"