WebWorld：利用浏览器作为世界模型实现网页代码自改进

由视觉语言模型（VLM）驱动的网页代码自我改进存在结构性缺陷：提出修复方案的模型同时也是评判者，而该评判下的视觉合理性是页面是否真正可用的糟糕代理。循环中缺失的是一个 VLM 无法欺骗的对方，而浏览器正是这个对方：它是一个确定性的、可执行的模拟器，模拟 HTML 制品在用户操作下的行为表现，除名称外，它实质上就是网页代码的世界模型。我们提出了 WebWorld，这是一个接口，允许 VLM 先验与这种“作为世界模型的浏览器”自主交互，并决定哪些交互成为监督信号。每一轮中，VLM 生成一份批评意见，规划器将其编译为类型化的交互契约；浏览器重新执行候选方案，仅当目标进展达成且所有先前验证过的能力得以保留时，才颁发接受证书；经过认证的转换累积形成质量棘轮效应，这是 SFT（监督微调）导出过程中唯一接触到的内容。在匹配的训练条件下，WebWorld-27B 在 HTMLBench-400 上比 Raw-27B 提升了 5.3 分，在 MiniAppBench-Val 上提升了 14.9 分，并在交互式 HTML 生成任务上达到了 Kimi-K2.6 和 GPT-5.4 等强大前沿系统的水平。同等规模的消融实验表明，基于浏览器的准入机制带来了主要增益：如果没有证书，匹配后的 9B 模型提升几乎消失殆尽。