WebWorld: A Large-Scale World Model for Web Agent Training
WebWorld 论文核心总结与关键部分翻译
一、主要内容总结
WebWorld 是由阿里巴巴 Qwen 团队与浙江大学联合研发的大规模开放网络世界模型，旨在解决Web智能体（Web Agent）训练面临的真实环境限制问题。其核心定位是为Web智能体提供高保真、可扩展的模拟训练环境，核心内容围绕数据构建、模型训练、基准测试与性能验证四大模块展开：
问题背景：基于大语言模型的Web智能体需要海量交互轨迹实现泛化，但真实世界训练受限于网络延迟、访问限制及安全风险（如不可逆操作）；现有模拟器多依赖封闭环境与少量轨迹（约数千至数万条），存在泛化能力弱、不支持复杂推理与长序列交互等缺陷。
数据构建：设计三级分层数据采集管道，最终构建含106万条真实世界交互轨迹的数据集——包括规则化爬取（29.3万条，覆盖开放网络广度）、自主探索（3.8万条，模拟真实智能体行为）、任务导向执行（9.4万条，聚焦目标驱动型交互），同时通过数据增强支持文本、HTML、XML等多格式输入，并补充1000条思维链（CoT）样本激活推理能力。
模型训练：采用两阶段训练方案——第一阶段基于因果语言模型学习Web环境动态（状态-动作-下一状态映射），第二阶段通过少量CoT数据微调激活显式推理；模型提供8B/14B/32B多参数版本，支持最长30步的长 horizon 交互模拟。
基准测试与性能：提出WebWor