Bộ môi trường tác nhân web do Đại học Bắc Carolina tại Chapel Hill và Microsoft khởi xướng: Sử dụng các tác nhân lập trình (như Claude Code / Codex) để tạo ra 153 image Docker cục bộ dựa trên các trang web thực tế, tái hiện giao diện, nội dung cũng như các quy trình chức năng như đăng nhập, giỏ hàng, đặt chỗ; độ trung thực về mặt hình ảnh, tính chính xác về chức năng và hiệu quả của nhiệm vụ được xem xét bởi con người; môi trường mở rộng theo các chức năng cần thiết cho các nhiệm vụ mới. Kèm theo 3,518 nhiệm vụ (bao gồm các quy trình nhiều bước và sau khi đăng nhập), mỗi trang web có một trình xác thực để cung cấp phần thưởng 0/1, giao diện điều khiển có thể đặt lại cơ sở dữ liệu giữa các lượt. Các tác giả sử dụng nó để thực hiện học tăng cường cho các tác nhân GUI cấp 4B, sau đó đánh giá trên các trang web và nhiệm vụ chưa từng thấy trong quá trình huấn luyện.
Lượt thích 19 · Số sao mã nguồn 46
Lý do
- Các tác giả tuyên bố rằng WebHarbor-4B (Qwen3-VL 4B, khởi đầu từ OpenWebRL-4B-SFT) chỉ được huấn luyện trong môi trường tổng hợp WebHarbor đã đạt trung bình 75.8 trên WebVoyager và Online-Mind2Web; điểm số trên thẻ mô hình lần lượt là 81.2 trên WebVoyager và 70.4 trên Online-Mind2Web; 15 trang web WebVoyager hoàn toàn không tham gia vào quá trình huấn luyện.
- Vấn đề cũ khi đánh giá và huấn luyện trên các trang web thực tế: nội dung thay đổi, captcha, hạn chế địa lý, tường đăng nhập; các image cục bộ ổn định và có thể tái tạo, các tác giả tuyên bố việc đặt lại cơ sở dữ liệu diễn ra trong dưới một giây, phù hợp cho nhiều lượt học tăng cường (RL).
- Có thể sử dụng trực tiếp: Image Docker Hub wildawm/webharbor chứa tất cả 153 trang web (khoảng 20 GB), các nhiệm vụ được lưu trữ trên Hugging Face ChilleD/WebHarbor-Tasks theo định dạng Harbor (chia thành tập huấn luyện 2,288 nhiệm vụ, tập kiểm thử 306 nhiệm vụ, v.v.), mô hình ChilleD/WebHarbor-4B có thể chạy trên một GPU; lượt thích trên Hugging Face trong ngày là 19, số sao mã nguồn là 46 (chỉ phản ánh mức độ quan tâm).
Cách sử dụng
- Khởi động môi trường: export WEBSYN_CONTROL_TOKEN=<chuỗi ngẫu nhiên có ít nhất 32 ký tự>, docker run -e WEBSYN_CONTROL_TOKEN -p 8101:8101 -p 40000-40152:40000-40152 wildawm/webharbor:latest, tác nhân truy cập các cổng 40000–40152 của localhost; curl -H "Authorization: Bearer $WEBSYN_CONTROL_TOKEN" -X POST http://localhost:8101/reset/amazon để đặt lại một trang web, /reset-all để đặt lại tất cả.
- Chạy nhiệm vụ: uv tool install harbor==0.24.0, trong thư mục harbor/ của kho lưu trữ, chạy harbor run --repo https://huggingface.co/datasets/ChilleD/WebHarbor-Tasks -d [email protected] -a webharbor_agents.openwebrl:OpenWebRLWebHarbor -m openai/<tên mô hình>, mô hình được kiểm thử kết nối qua giao diện tương thích OpenAI.
- Khởi động mô hình: pip install sglang==0.5.6.post2, python -m sglang.launch_server --model-path ChilleD/WebHarbor-4B --context-length 32768 … (lệnh khởi động một GPU 32K được cung cấp trong thẻ mô hình), giao diện nằm tại localhost:30000/v1.
Rủi ro
- Các image mô phỏng các trang web thương hiệu thực tế như Amazon, Chase Bank, American Express, v.v., README của kho lưu trữ và thẻ mô hình đều không ghi giấy phép, cần xác nhận trước khi sử dụng thương mại hoặc phân phối lại.
- Việc tải từ Docker Hub ẩn danh có giới hạn tần suất, cần docker login trước khi tải nhiều image đơn lẻ; tùy chọn đánh giá tác nhân mặc định gọi gpt-5.6-sol, yêu cầu API riêng.
- Các trang web mô phỏng được tạo bởi mô hình và được xem xét bởi con người, sự khác biệt so với trang web thực tế chỉ có thể được xem xét qua hướng dẫn đánh giá trong bài báo; điểm số do các tác giả báo cáo.