WebWorld: Browser sebagai World Model untuk Kode Web yang Memperbaiki Diri

Pihak lawan yang deterministik dan dapat dieksekusi mengubah perbaikan mandiri VLM menjadi ratchet kualitas tersertifikasi untuk generasi HTML interaktif

Jiajun Wu; Jian Yang; Yaxin Du; Wei Zhang; Haowen Wang; Junhang Cheng; Yuxuan Zhang; Tuney Zheng; Xianglong Liu; Ming Zhou· 2026· DOI 10.48550/arXiv.2608.30530

Masalah inti

Perbaikan mandiri kode web yang digerakkan vision-language model (VLM) mengandung cacat struktural: model yang mengusulkan perbaikan juga model yang menilainya. Di bawah hakim yang merujuk pada dirinya sendiri seperti itu, kelayakan visual menjadi proksi yang buruk untuk menilai apakah halaman benar-benar berfungsi. Tangkapan layar hasil render mungkin tampak benar sementara artefak HTML di baliknya gagal saat menghadapi aksi pengguna yang nyata, dan VLM tidak memiliki insentif atau mekanisme untuk mendeteksi celah ini. Bahan yang hilang adalah pihak lawan yang tidak bisa dibodohi VLM. Browser sudah menjadi pihak lawan itu: simulator deterministik dan dapat dieksekusi atas perilaku artefak HTML di bawah aksi pengguna, dan dalam segala hal kecuali namanya, sebuah world model untuk kode web. WebWorld disajikan sebagai antarmuka yang memungkinkan prior VLM berinteraksi dengan browser-sebagai-world-model ini secara otonom dan menentukan interaksi mana yang menjadi supervisi. Klaim utamanya adalah bahwa penerimaan berbasis browser, bukan sekadar lebih banyak data atau model yang lebih besar, yang membawa keuntungan dalam generasi kode web yang memperbaiki diri.

Inovasi

Dengan pelatihan yang setara, WebWorld-27B meningkatkan Raw-27B sebesar 5,3 poin pada HTMLBench-400 dan 14,9 poin pada MiniAppBench-Val. Sistem yang dihasilkan mencapai tingkat sistem terdepan yang kuat seperti Kimi-K2.6 dan GPT-5.4 pada generasi HTML interaktif. Keuntungan ini dicapai dengan anggaran pelatihan dan skala model yang sama seperti baseline, sehingga mengisolasi efek mekanisme penerimaan berbasis browser. Ablasi berukuran sama lebih lanjut menunjukkan bahwa penerimaan berbasis browser yang membawa keuntungan. Tanpa sertifikat penerimaan, peningkatan 9B yang setara hampir hilang. Ini menunjukkan bahwa perbaikan bukan sekadar fungsi dari putaran interaksi tambahan atau kapasitas model, melainkan secara spesifik dari ratchet kualitas tersertifikasi yang menyaring transisi sebelum masuk ke ekspor SFT. Kontras antara hasil ablasi 27B dan 9B menegaskan bahwa mekanisme sertifikat adalah komponen penopang utama metode ini.

Perbaikan mandiri kode web yang digerakkan vision-language model (VLM) mengandung cacat struktural: model yang mengusulkan perbaikan juga model yang menilainya. Di bawah hakim yang merujuk pada dirinya sendiri seperti itu, kelayakan visual menjadi proksi yang buruk untuk menilai apakah halaman benar-benar berfungsi. Tangkapan layar hasil render mungkin tampak benar sementara artefak HTML di baliknya gagal saat menghadapi aksi pengguna yang nyata, dan VLM tidak memiliki insentif atau mekanisme untuk mendeteksi celah ini.

Bahan yang hilang adalah pihak lawan yang tidak bisa dibodohi VLM. Browser sudah menjadi pihak lawan itu: simulator deterministik dan dapat dieksekusi atas perilaku artefak HTML di bawah aksi pengguna, dan dalam segala hal kecuali namanya, sebuah world model untuk kode web. WebWorld disajikan sebagai antarmuka yang memungkinkan prior VLM berinteraksi dengan browser-sebagai-world-model ini secara otonom dan menentukan interaksi mana yang menjadi supervisi. Klaim utamanya adalah bahwa penerimaan berbasis browser, bukan sekadar lebih banyak data atau model yang lebih besar, yang membawa keuntungan dalam generasi kode web yang memperbaiki diri.

Mengapa penting

Hasil ini mendukung penjelasan struktural alih-alih yang berpusat pada skala untuk perbaikan mandiri dalam kode web. Ketika model yang sama mengusulkan dan menilai perbaikan, kelayakan visual di bawah hakim tersebut adalah proksi lemah untuk kebenaran fungsional. Dengan memperkenalkan browser sebagai pihak lawan yang deterministik dan dapat dieksekusi, WebWorld mengubah loop perbaikan mandiri menjadi rangkaian transisi yang dapat diverifikasi. Sertifikat penerimaan menegakkan kemajuan target sekaligus pemeliharaan kemampuan yang telah diverifikasi sebelumnya, yang mencegah regresi yang biasanya menggerus keuntungan dalam perbaikan mandiri iteratif. Ratchet kualitas bertindak sebagai filter monoton: hanya transisi tersertifikasi yang mencapai ekspor SFT, sehingga distribusi pelatihan tersusun eksklusif dari perilaku yang telah divalidasi di bawah aksi pengguna yang dapat dieksekusi. Pilihan desain ini menjelaskan mengapa ablasi 9B yang setara kehilangan hampir seluruh peningkatan tanpa sertifikat, dan mengapa WebWorld-27B dapat mendekati sistem terdepan pada generasi HTML interaktif. Implikasi yang lebih luas adalah bahwa world model untuk kode tidak perlu dipelajari dari awal; simulator deterministik yang sudah ada, seperti browser untuk artefak web, dapat berfungsi sebagai pihak lawan yang memijakkan perbaikan mandiri. Pekerjaan selanjutnya dapat memperluas pola ini ke domain lain yang dapat dieksekusi di mana simulator deterministik dapat menerbitkan sertifikat penerimaan.

Siapa yang sebaiknya membaca

Praktisi dan peneliti ilmu komputer

Membuka konten member…