論文の概要: BrowserForge: Scaling Web Episode via Parallel Browser Sandboxes

• arxiv url: http://arxiv.org/abs/2608.24848v1
• Date: Tue, 25 Aug 2026 17:35:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-26 14:09:35.114777
• Title: BrowserForge: Scaling Web Episode via Parallel Browser Sandboxes
• Title（参考訳）: BrowserForge: 並列ブラウザサンドボックスによるWebエピソードのスケーリング
• Abstract要約: BrowserForgeは、オープンなWeb上で多くのブラウザサンドボックスを並行して駆動することで、大規模なWebインタラクションデータを生成する。 BrowserForgeには3つのコンポーネントがある: オープンなWebソーシングステージ。 ルール+モデルクリーニングパイプラインは、失敗した実行を除去し、生き残った推論を単一の統合されたチェーン・オブ・シンクスタイルに書き換える。
• 参考スコア（独自算出の注目度）: 54.96895469970198
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Web agents that act from rendered pixels avoid the fragility and heavy token cost of reading a page's HTML or accessibility tree, but training them depends on large amounts of high-quality interaction trajectories, and how to produce such data at scale remains an open problem. Public datasets typically contain only a few thousand trajectories drawn from a fixed and narrow set of websites, and even recent automated synthesis pipelines stay bound to predefined site lists or tutorial sources, so the number of distinct websites the agent ever sees barely grows. We present BrowserForge, a framework that generates web interaction data at scale by driving many browser sandboxes in parallel over the open web. BrowserForge couples three components: an open-web sourcing stage that exposes the agent to hundreds of thousands of real, openly reachable websites; a sandbox cluster manager that schedules hundreds of concurrent browsers with high utilization; and a Proposer-Solver dual-agent loop that turns a raw page into an executable task and then collects a verified trajectory for it. A rule-plus-model cleaning pipeline removes failed runs and rewrites the surviving reasoning into a single unified chain-of-thought style. Page structure such as the accessibility tree is used only as a synthesis-time signal; the agent we train and release acts purely from the screenshot. The resulting corpus contains 203,238 trajectories, each collected from a distinct website, larger and more diverse than prior trajectory datasets. Fine-tuning a compact multimodal model on this corpus raises its success rate on the live Online-Mind2Web from 25.66% to 33.33% and consistently improves step accuracy on the static Multimodal-Mind2Web, with the gain growing as the corpus scales. Controlled analyses further confirm that open-web sourcing and broad website coverage are key contributors to the observed improvement.
• Abstract（参考訳）: レンダリングされたピクセルから作用するWebエージェントは、ページのHTMLやアクセシビリティツリーを読むという脆弱さと重いトークンコストを回避しますが、それらをトレーニングすることは、大量の高品質なインタラクショントラジェクトリに依存します。 公開データセットは通常、固定された、狭いWebサイトの集合から引き出された数千の軌跡のみを含み、最近の自動合成パイプラインでさえ、事前に定義されたサイトリストやチュートリアルソースに束縛されているため、エージェントがこれまで見てきた異なるWebサイトの数は、ほとんど増加しない。 オープンなWeb上で多くのブラウザサンドボックスを並列に駆動することで、Webインタラクションデータを大規模に生成するフレームワークであるBrowserForgeを紹介します。 BrowserForgeには、エージェントを数十万のリアルかつオープンなWebサイトに公開するオープンウェブソーシングステージ、数百の並列ブラウザを高い利用率でスケジュールするサンドボックスクラスタマネージャ、生ページを実行可能なタスクに変換し、検証済みの軌跡を収集するProposer-Solverデュアルエージェントループという3つのコンポーネントがある。 ルール+モデルクリーニングパイプラインは、失敗した実行を除去し、生き残った推論を単一の統合されたチェーン・オブ・シンクスタイルに書き換える。 アクセシビリティツリーのようなページ構造は、合成時信号としてのみ使用される。 結果として得られたコーパスには203,238の軌跡があり、それぞれ異なるウェブサイトから収集され、以前の軌跡データセットよりも大きく多様である。 このコーパス上でコンパクトなマルチモーダルモデルを微調整すると、ライブのOnline-Mind2Webにおける成功率は25.66%から33.33%に向上し、静的マルチモーダル-Mind2Webにおけるステップ精度を継続的に改善し、コーパスの規模が拡大する。 制御された分析により、オープンWebソーシングと広範なWebサイトカバレッジが、観察された改善に重要な貢献者であることをさらに確認する。

関連論文リスト

• CAP: A Scalable Benchmark for Evaluating Cross-Site Browser Agents with Complex Actions and Perception [22.620664364045286]
  大規模な言語モデルは、ブラウザを介してWebと対話する自律的なエージェントとして、ますます多くデプロイされている。 我々は、クロスサイト、ヒューマンライクなWebタスク上でブラウザエージェントを評価するためのスケーラブルなベンチマークであるCAPを紹介した。 108の現実世界のWebサイトと24のドメインに420のタスクを構築し、注意深く品質管理します。
  論文  参考訳（メタデータ） (2026-08-09T01:08:19Z)
• Beyond Domains: Reusing Web Skills via Transferable Interaction Patterns [68.0603867264595]
  SkillMigratorは再利用可能なWebスキルを学習し、特定の要素参照ではなくレイアウト構造にマッチしてサイト間でそれらを転送する。 WebArenaとMind2Webの両方において、成功軌道上の平均LCM-アクション数を、一致した成功速度で8-10%削減する。
  論文  参考訳（メタデータ） (2026-06-16T08:04:35Z)
• WebChallenger: A Reliable and Efficient Generalist Web Agent [3.8083338863305882]
  WebChallengerは、モデルスケールではなくアーキテクチャ設計によるギャップに対処するWebエージェントフレームワークである。 WebArenaでは56.3%,VisualWebArenaでは48.7%,オンラインMind2Webでは51.0%,WorkArenaでは70.9%を達成している。
  論文  参考訳（メタデータ） (2026-06-09T04:53:19Z)
• GTA: Generating Long-Horizon Tasks for Web Agents at Scale [82.43869456830664]
  我々は、クローリング、検索ベースのシード、コンテキスト内生成、自動品質管理を統合したスケーラブルなフレームワーク、GTAを導入する。 eコマース、政府、フォーラム、ニュースをカバーする50以上のウェブサイトでパイプラインをインスタンス化し、マルチリンガルとマルチホップをカバーしています。 i) マルチホップWebエージェントタスク生成の形式化、(ii) 自動データ生成のための効率的で検証されたパイプラインの提案、(iii) 再現可能な評価を伴う動的ベンチマークのリリースである。
  論文  参考訳（メタデータ） (2026-05-28T01:05:50Z)
• Skim: Speculative Execution for Fast and Efficient Web Agents [8.47432001892345]
  SkimはWebエージェントの投機的実行フレームワークである。 これは、目的を持ったウェブサイトの予測可能な構造を利用する。 Skimは、タスク毎の平均的なコストを1.9倍、レイテンシを33.4%削減する。
  論文  参考訳（メタデータ） (2026-05-15T19:12:43Z)
• Weblica: Scalable and Reproducible Training Environments for Visual Web Agents [5.132610127852326]
  Weblicaは再現可能でスケーラブルなWeb環境を構築するためのフレームワークである。 さまざまな環境やタスクにRLトレーニングを拡大しています。 私たちのベストモデルであるWeblica-8Bは、複数のWebナビゲーションベンチマークで同じサイズのオープンウェイトベースラインを上回っています。
  論文  参考訳（メタデータ） (2026-05-07T17:17:10Z)
• MM-WebAgent: A Hierarchical Multimodal Web Agent for Webpage Generation [99.19991374550729]
  MM-WebAgentはマルチモーダルWebページ生成のための階層型エージェントフレームワークである。 AIGCベースの要素生成を階層的計画と反復的自己回帰を通じてコーディネートする。
  論文  参考訳（メタデータ） (2026-04-16T17:59:49Z)
• MolmoWeb: Open Visual Web Agent and Open Data for the Open Web [60.29597961827816]
  MolmoWebMixはブラウザのタスクとWeb-GUIの知覚データを組み合わせたものだ。 MolmoWeb-8Bは、完全にオープンなマルチモーダルWebエージェントのファミリーである。 我々は、Webエージェントのオープンな研究を可能にするため、モデルチェックポイント、トレーニングデータ、コード、統一された評価ハーネスをリリースする。
  論文  参考訳（メタデータ） (2026-04-09T17:54:02Z)
• AutoScraper: A Progressive Understanding Web Agent for Web Scraper Generation [54.17246674188208]
  Webスクレイピングは、Webサイトからデータを抽出し、自動データ収集を可能にし、データ分析機能を強化し、手動のデータ入力作業を最小化する強力なテクニックである。 既存の手法では、ラッパーベースの手法は、新しいウェブサイトで直面する場合、適応性とスケーラビリティの制限に悩まされる。 本稿では,大規模言語モデル(LLM)を用いたWebスクレイパー生成のパラダイムを紹介し,多様なWeb環境をより効率的に処理できる2段階フレームワークであるAutoScraperを提案する。
  論文  参考訳（メタデータ） (2024-04-19T09:59:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。