論文の概要: WebCoder: Scaling General Frontend Development with Artifact-Grounded Agentic Reinforcement Learning
- arxiv url: http://arxiv.org/abs/2610.23104v1
- Date: Fri, 16 Oct 2026 08:17:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-20 00:56:07.8254
- Title: WebCoder: Scaling General Frontend Development with Artifact-Grounded Agentic Reinforcement Learning
- Title（参考訳）: WebCoder:Artifact-Grounded Agentic Reinforcement Learningによる汎用開発のスケールアップ
- Abstract要約: 現実世界の開発には、進化するアプリケーションの状態に対して、複製、生成、修正、修復を行うエージェントが必要である。
我々は,人工的なエージェント強化学習を訓練した汎用開発エージェントであるWebCoderを紹介する。
私たちは、コード編集、アプリケーション実行、ブラウザインスペクション、オンデマンドスキルを統合する実行可能な環境であるWebdev-Worldを構築します。
- 参考スコア（独自算出の注目度）: 21.33689565286403
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Real-world frontend development requires agents to compose reproduction, generation, modification, and repair over an evolving application state. Learning a general policy for this process requires translating heterogeneous execution feedback into task-aligned rewards and effective credit assignment across long sequences of interdependent actions. We introduce WebCoder, a general frontend development agent trained with artifact-grounded agentic reinforcement learning. Our key idea is to assess diverse development activities through their effects on a shared executable artifact and its satisfaction of task requirements. We build Webdev-World, an executable environment that integrates code editing, application execution, browser inspection, and on-demand skills while preserving project state across interactions. An independent verifier evaluates the final application against task requirements to provide terminal rewards, while changes in intermediate artifact progress redistribute the resulting rollout advantage across development segments. Context compaction and message-tree sample construction support training on trajectories beyond a single context window while avoiding repeated loss computation on shared generated history. We further introduce Webdev-Bench to evaluate composed development requirements within a single project. On Webdev-Bench, WebCoder-27B raises requirement satisfaction from 64.8 for its Qwen3.8-27B base model to 72.8, exceeding Claude-Opus-4.8 (65.1) and GPT-5.4 (59.6); on Vision2Web, it improves the average visual and functional score from 41.1 to 62.4, on par with Claude-Opus-4.8. Ablation studies confirm the contributions of artifact-grounded credit assignment and long-horizon training.
- Abstract（参考訳）: 現実世界のフロントエンド開発には、進化するアプリケーション状態に対して、複製、生成、修正、修復を行うエージェントが必要である。
このプロセスの一般的な方針を学ぶには、不均一な実行フィードバックをタスク整合報酬に翻訳し、相互依存行動の長いシーケンスにわたって効果的なクレジット割り当てを行う必要がある。
本稿では, 汎用開発エージェントであるWebCoderについて紹介する。
私たちのキーとなる考え方は、共有可能なアーティファクトとタスク要求の満足度に影響を及ぼすことにより、多様な開発活動を評価することです。
Webdev-Worldは、コード編集、アプリケーション実行、ブラウザインスペクション、オンデマンドスキルを統合しながら、プロジェクト状態を相互に保持する実行可能な環境です。
独立検証器は、終端報酬を提供するためのタスク要求に対する最終適用を評価し、中間成果物進行の変化は、開発セグメント間でのロールアウトの利点を再分配する。
コンテキストのコンパクト化とメッセージツリーのサンプル構築は、単一のコンテキストウィンドウを越えたトラジェクトリのトレーニングをサポートし、共有された生成履歴の繰り返し損失計算を回避します。
さらに、Webdev-Benchを導入して、単一のプロジェクト内で構成された開発要件を評価する。
Webdev-Benchでは、WebCoder-27BがQwen3.8-27Bベースモデルの64.8から72.8に、Claude-Opus-4.8 (65.1)とGPT-5.4 (59.6)を上回り、Vision2Webでは、平均的な視覚的および機能的スコアをClude-Opus-4.8と同等の41.1から62.4に改善している。
アブレーション研究は、アーティファクト・グラウンドド・クレジット・アサインとロングホライゾン・トレーニングの貢献を裏付けるものである。
関連論文リスト
- WorkRover: Scaling Long-Horizon Cowork Agent Training Via Recursive Environment Evolution [101.12175332979554]
環境進化を通じて長期のコワーキングエージェントを訓練するためのフレームワークであるWorkRoverを紹介する。
Factorial Compatibility Replay (FCR)は、ロールアウトフィードバックを使用してコンポーネントのリビジョンの組み合わせを評価する。
Verifier-to-Turn Credit Assignment (VTCA)は、決定論的ワークスペース-プログレスチェックからの信号でトラジェクトリレベルのGRPOのアドバンテージを増大させる。
論文 参考訳（メタデータ） (2026-10-13T09:52:02Z) - SkillHorizon: Constructing Long-Horizon Agent Tasks through Skill Composition [52.51270668013944]
ロングホライゾンエージェントは、後のアクティビティが以前の出力と共有状態の変更に依存するように完了しなければならない。
SkillHorizonは、7つのビジネス環境でのスキル構成を通じて長期タスクを構築するベンチマークである。
我々は,64Kから1Mトークンの参照インタラクションワークロードを用いた1,050タスクの5つの言語モデルを評価する。
論文 参考訳（メタデータ） (2026-10-10T14:36:39Z) - RecreationWorld: Scalable and Verifiable Environments for Hybrid Computer-Use Agents [53.51359930826217]
真のデジタルワークには、端から端まで積み重ねるのではなく、両方をインターリーブする必要があります。
インターフェースを探索し、ソフトウェアを実装し、それらのアーティファクトを実行し、視覚的に検証するタイミングを自律的に決定するハイブリッドCUAについて研究する。
レクリエーションを中心に構築された5プラットフォームフレームワークであるRecreationWorldを紹介します。
論文 参考訳（メタデータ） (2026-09-18T17:00:56Z) - ProgramDistill: From Interactive Web Apps to Verifiable Reference-Guided SWE Tasks [60.600151982455195]
ProgramDistillは、完全に機能する参照アプリケーションとのインタラクションによって発見された機能について、コーディングエージェントを評価するベンチマークである。
私たちのパイプラインであるマイニングクラフトパッチは、26のアプリケーションにまたがる1,975のリプレイ検証された振る舞いを発見し、人間の介入なしに4,063のタスクを構築します。
論文 参考訳（メタデータ） (2026-09-16T15:19:05Z) - Rendering-in-the-Loop: An Execution-Driven Agent for Interactive Web Development [11.314424904357212]
本稿では,ブラウザのレンダリングをループに配置し,実行時のインタラクションフィードバックから生成されたコードを反復的に編集する,実行駆動エージェントRILAを提案する。
IWR-Benchでは、RILAはファンデーションモデル間の相互作用と視覚的忠実度を一貫して改善する。
論文 参考訳（メタデータ） (2026-09-02T04:27:45Z) - WebGrader: Training LLMs for Web Development with Self-Evolving Programmatic Grader [23.87868496043721]
本稿では,WebGraderを提案する。WebGraderは,各Webサイトからの対話フローを自律的に導出する,自己進化型プログラムグレーダである。
WebGraderは、生成されたプロジェクトをライブブラウザで実現し、ソースコードとライブDOMに対してターゲットアクションを接地し、ビジュアル、DOM、レスポンス、永続状態のエビデンスを収集します。
WebGen-Benchでは、WebGraderは8Bポリシーを52.01%の機能的な成功率にトレーニングし、マッチした外見+スクリプトの報酬を7.88ポイント上回り、o4-miniとDeepSeek-v4-flashを上回っている。
論文 参考訳（メタデータ） (2026-08-06T18:06:12Z) - StructAgent: Harness Long-horizon Digital Agents with Unified Causal Structure [29.25570731801935]
StructAgentは、コンパクトで検証可能なタスク進捗を維持するための状態中心のフレームワークである。
明確な進捗チェックポイント、エビデンス駆動のタスク補完、ターゲットとする障害回復、ツールサポートされた実行を可能にします。
デスクトップ環境を超えてMinecraftに一般化し、私たちのデザインの汎用性を実証します。
論文 参考訳（メタデータ） (2026-07-13T10:48:25Z) - Prompt Driven Development with Claude Code: Building a Complete TUI Framework for the Ring Programming Language [0.0]
本研究は,Ringプログラミング言語用の7420行端末ユーザインタフェースフレームワークを試作した経験的解析である。
21のフィーチャーリクエスト、72のバグ修正プロンプト、9のRingドキュメントからの情報の共有プロンプト、4のアーキテクチャガイダンスの提供プロンプト、1のドキュメント生成プロンプト。
ほとんどのプロンプトは短く、人間の役割は要件の指定、振る舞いの検証、手動でコードを書くことなく修正プロンプトの発行に限られていた、非常に反復的なワークフローを反映している。
論文 参考訳（メタデータ） (2026-01-24T20:45:13Z) - ABC-Bench: Benchmarking Agentic Backend Coding in Real-World Development [72.4729759618632]
本稿では,現実的かつ実行可能なワークフロー内でエージェントバックエンドコーディングを評価するベンチマークであるABC-Benchを紹介する。
オープンソースリポジトリから8つの言語と19のフレームワークにまたがる224の実践的なタスクをキュレートしました。
我々の評価は、最先端モデルでさえ、これらの総合的なタスクに対して信頼性の高いパフォーマンスを提供するのに苦労していることを示している。
論文 参考訳（メタデータ） (2026-01-16T08:23:52Z)
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。