arXiv cs.AI· Zijun Dou, Zhen Yang, Xijun Liu, Dongzhuoran Zhou, Aohan Zeng, Jie Tang·· 11 小时前AI 评分58
WebCoder：用产物锚定的智能体强化学习扩展通用前端开发
WebCoder: Scaling General Frontend Development with Artifact-Grounded Agentic Reinforcement Learning
AI 导读
WebCoder 是一个通用前端开发智能体，采用以可执行产物为锚的智能体强化学习训练，把代码编辑、应用执行、浏览器检查等反馈统一到同一可执行产物上评估。
正文 · AI 翻译
摘要：真实世界的前端开发要求智能体在不断演进的应用状态上完成复现、生成、修改和修复。学习这一过程的通用策略，需要将异构的执行反馈转化为与任务对齐的奖励，并在长序列的相互依赖动作之间进行有效的信用分配。我们提出 WebCoder，一个以产物为依据、通过智能体强化学习训练的通用前端开发智能体。我们的核心思想是通过各类开发活动对共享可执行产物及其满足任务要求程度的影响来评估这些活动。我们构建了 Webdev-World，一个可执行环境，集成了代码编辑、应用执行、浏览器检查和按需技能，并在交互过程中保持项目状态。一个独立的验证器根据任务要求评估最终应用，以提供终端奖励，而中间产物进展的变化会将由此产生的 rollout 优势重新分配到各个开发片段。上下文压缩和消息树样本构建支持在超出单个上下文窗口的轨迹上进行训练，同时避免对共享的生成历史重复计算损失。我们进一步提出 Webdev-Bench，用于评估单个项目内组合式的开发需求。在 Webdev-Bench 上，WebCoder-27B 将其 Qwen3.8-27B 基座模型的需求满足度从 64.8 提升到 72.8，超过 Claude-Opus-4.8（65.1）和 GPT-5.4（59.6）；在 Vision2Web 上，它将平均视觉和功能得分从 41.1 提升到 62.4，与 Claude-Opus-4.8 持平。消融研究证实了以产物为依据的信用分配和长时程训练的贡献。
| 评论： | 50 页，22 幅图，11 张表。项目页面：this https URL |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.23104 [cs.AI] |
| （或 arXiv:2610.23104v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.23104 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Zijun Dou [查看邮箱]
[v1]
2026 年 10 月 16 日星期五 08:17:10 UTC（33,487 KB）
来源：arXiv cs.AI · arxiv.org