WebHarbor
一套包含153个Docker化可执行网站环境的GUI智能体测试与RL训练套件，具备高视觉保真度与功能深度，支持多步骤及登录后任务。
时间轴 (近 90 天)
WebHarbor 是一套包含 153 个可执行、Docker 化网站环境的测试与训练套件，由 aiming-lab 研究团队提出。
WebHarbor 的论文与代码已公开在 GitHub 仓库 aiming-lab/WebHarbor。
WebHarbor 采用任务驱动的人机协作流程构建，由编码智能体实现功能改动，人类贡献者审核视觉保真度、功能正确性与任务有效性。
WebHarbor 套件共包含 3,518 个任务，其中大量涉及多步骤流程和登录后工作流。
研究团队使用 RL 在 WebHarbor 中训练了一个 Qwen 4B 级别的 GUI 智能体。
用 RL 在 WebHarbor 中训练的 Qwen 4B 级别 GUI 智能体能泛化到未见过的任务，并在四个基准上与领先的开源 GUI 网页智能体表现相当。
153 个环境相对于真实互联网的规模仍然有限，且环境演化依赖人工审核的持续投入。
全部知识事实 (7)
WebHarbor 套件共包含 3,518 个任务，其中大量涉及多步骤流程和登录后工作流。
50%待验证用 RL 在 WebHarbor 中训练的 Qwen 4B 级别 GUI 智能体能泛化到未见过的任务，并在四个基准上与领先的开源 GUI 网页智能体表现相当。
50%待验证153 个环境相对于真实互联网的规模仍然有限，且环境演化依赖人工审核的持续投入。
50%待验证WebHarbor 采用任务驱动的人机协作流程构建，由编码智能体实现功能改动，人类贡献者审核视觉保真度、功能正确性与任务有效性。
50%待验证WebHarbor 是一套包含 153 个可执行、Docker 化网站环境的测试与训练套件，由 aiming-lab 研究团队提出。
50%待验证WebHarbor 的论文与代码已公开在 GitHub 仓库 aiming-lab/WebHarbor。
50%待验证研究团队使用 RL 在 WebHarbor 中训练了一个 Qwen 4B 级别的 GUI 智能体。
50%