知识卡片：BrowserForge：通过并行浏览器沙箱规模化生成网页操作轨迹

说明：本卡片基于 arXiv 条目元数据与候选摘要整理；原始正文未能抓取，因此所有细节均以“摘要声称”为限，无法从材料确认的部分已标注“待核实”。

一句话结论

据候选摘要，BrowserForge 通过并行运行大量浏览器沙箱，在开放网络上生成包含 203,238 条网页操作轨迹的数据集，微调小型多模态模型后，可将其在 Online-Mind2Web 上的成功率从 25.66% 提升到 33.33%。

事件概述或研究问题

• 直接从渲染后的像素画面行动的网页智能体，可以避免解析 HTML 或 accessibility tree 的脆弱性，也能降低 token 消耗。
• 但训练这类智能体需要大量高质量交互轨迹；公开数据集通常只有几千条轨迹，且来源网站固定、范围狭窄。
• 近期的自动化数据合成流程仍受限于预定义网站列表或教程来源，导致智能体见过的不同网站数量难以增长。
• BrowserForge 试图解决的问题是：如何规模化地为网页智能体生产高质量、多样化的交互轨迹数据。

方法/产品要点

据候选摘要，BrowserForge 包含三个核心组件：

• 开放网络数据来源：让智能体接触数十万个真实可访问的开放网站。
• 沙箱集群管理器：调度数百个并发浏览器，保持高利用率。
• Proposer-Solver 双智能体循环：将原始网页转化为可执行任务，并收集经过验证的操作轨迹。

后续处理还包括：

• 规则加模型的清洗流程，用于过滤失败运行。
• 将保留的推理过程改写为统一的 chain-of-thought 风格。
• 页面结构信息（如 accessibility tree）仅在数据合成阶段作为信号使用；训练和发布的智能体只依据截图行动。

主要结果或产业意义

• 生成语料包含 203,238 条轨迹，且每条轨迹来自不同网站，规模和多样性高于此前轨迹数据集。
• 在该语料上微调一个小型多模态模型后，Online-Mind2Web 成功率从 25.66% 提升到 33.33%。
• 在静态 Multimodal-Mind2Web 上，步骤准确率持续提升，且增益随语料规模扩大而增加。
• 对照分析表明，开放网络来源和广泛网站覆盖是效果提升的关键因素。
• 产业意义：为截图型网页智能体提供一条可扩展的数据生产路径，可能降低对人工轨迹采集和特定网站适配的依赖。

为什么重要

• 这是一个训练数据侧的规模化方法，而不是模型参数或推理时计算的扩展，与已有相关卡片形成互补。
• 它把网页智能体的数据来源从“固定网站列表”扩展到开放网络，并用并行沙箱机制解决数据收集效率问题。
• 如果结果可复现，对 GUI/网页智能体的数据飞轮、评测基准和实际部署都有潜在影响。

与既有脉络的关系

已有相关卡片分别涉及扩散模型推理时缩放、多模态大模型并行缩放和 3D 场景理解；本条是 foundation-model 领域中关于“交互轨迹数据规模化”的增量，重点不在推理策略或模型架构，而在训练数据的生产与覆盖度。

局限与不确定性

由于原始正文未能抓取，以下内容待核实：

• BrowserForge 的工程实现细节，以及与现有数据合成管线的具体对比基准。
• 模型参数量、微调设置、评测集划分等实验细节。
• 数据清洗、失败过滤和“统一 chain-of-thought”重写的具体实现方式。
• 数据安全性、隐私、网站合规性、爬虫策略和沙箱运行边界。
• 203,238 条轨迹是否全部可公开获取，以及许可证、去重和站点分布情况。
• 所有具体数字均来自候选摘要，尚未与原文逐项核对。

可用于图书/PPT/简报的角度

• “智能体能力的数据杠杆”：说明数据规模与网页智能体表现之间的关系。
• “合成数据 + 并行沙箱”作为数据基础设施的案例。
• “从像素输入的网页智能体”与“依赖 HTML/无障碍树”的路线对比。
• “开放网络 vs 固定网站列表”对数据多样性的影响。

原始材料

• 英文标题：BrowserForge: Scaling Web Episode via Parallel Browser Sandboxes
• 英文关键词：web agents; trajectory synthesis; parallel browser sandboxes; screenshot-based agents; open-web data scaling; foundation models
• 原始来源：https://arxiv.org/abs/2608.24848v1
• Track / Topics：academic; foundation-model
• 正文状态：未能抓取正文，仅基于已知元数据生成；无法从材料确认的部分均标注为“待核实”。