WebHarbor：对接真实网站，构建持续演进的 GUI 智能体环境

GUI 网页智能体需要真实且可交互的环境，并且这些环境在评估和训练期间都能保持稳定。基于在线网站的评估面临内容变化、访问限制以及对身份验证后工作流覆盖有限等问题，而现有用于训练的合成环境往往缺乏功能深度和视觉保真度。我们提出 WebHarbor，一套包含 153 个可执行、经 Docker 容器化的网站环境的套件，可在确定性控制下忠实重建真实网络服务的视觉界面、内容和功能工作流。我们通过任务驱动的人类与智能体协作构建 WebHarbor：随着新任务扩展环境的功能范围，环境持续演进，编程智能体实现所需变更，人类贡献者则审核视觉保真度、功能正确性和任务有效性。最终形成的套件包含 3,518 个任务，涵盖多步骤及身份验证后的工作流，而这些往往是现有工作未能覆盖的。除了支持可靠评估，WebHarbor 还提供高保真的合成网页环境，用于具有成本效益的强化学习（RL）。我们证明，在 WebHarbor 中通过 RL 训练的 Qwen 4B 级 GUI 智能体能够泛化到未见过的任务，并在四个基准测试中展现出可与领先开源 GUI 网页智能体相媲美的性能。代码和数据已公开发布于 https://github.com/aiming-lab/WebHarbor。