人工知能の分野において、ビジュアルWebエージェント（Webページを理解し操作できるAIモデル）のトレーニングには重要な課題があります。Webは複雑で絶えず変化するため、大規模で多様なトレーニングデータを入手することが困難です。既存の手法は、教師ありファインチューニングのためのオフライン軌跡や、強化学習（RL）トレーニングのための限られたシミュレーション環境に依存しており、実際のWebの多様性を捉えられていません。この問題に対処するため、Oğuzhan Fatih Karらの研究チームはWeblica（Web Replica）フレームワークを提案しました。この論文は2026年5月7日にarXivに提出され、28ページ、19の図表を含み、人工知能、コンピュータビジョン、機械学習の分野をカバーしています。
Weblicaの中心的な革新は、2つの主要技術にあります。第一に、HTTPレベルのキャッシュを利用して安定した視覚状態をキャプチャし、インタラクティブな動作を維持しながら再生します。これにより、トレーニング環境は特定のWebページの視覚的レイアウトと機能を正確に再現し、エージェントが一貫した環境で学習できます。第二に、Weblicaは大規模言語モデル（LLM）ベースの環境合成を活用し、実際のWebサイトとコアなWebナビゲーションスキルに基づいて、多様なトレーニングタスクを自動生成します。この合成手法は、環境のカバレッジを拡大するだけでなく、タスクの関連性と難易度も確保します。
このフレームワークを用いて、研究チームは強化学習トレーニングを数千の異なる環境とタスクに拡張しました。彼らがトレーニングした最良のモデルWeblica-8Bは、複数のWebナビゲーションベンチマークで優れた性能を示しました。同規模のオープンモデルと比較して、Weblica-8Bはより高い性能を達成し、より少ない推論ステップで動作します。さらに、テスト時の計算リソースを増やすと良好なスケーラビリティを示し、その性能は一部のAPIモデルに匹敵します。
本研究の意義は、ビジュアルWebエージェントのトレーニングデータを大規模化するための実用的な解決策を提供した点にあります。キャッシュと合成技術を組み合わせることで、Weblicaは環境の現実性とインタラクティブ性を維持しつつ、トレーニングデータの規模と多様性を大幅に向上させました。論文には実験設定と結果を詳述した19の図表が含まれており、将来はより複雑で動的なWeb環境におけるWebエージェントの応用が期待されます。詳細はarXiv（arXiv:2605.06761）の完全な論文を参照してください。