WebWorld: 自己改善型ウェブコードのためのワールドモデルとしてのブラウザ

要旨

VLM駆動によるWebコードの自己改善には構造的な欠陥がある。修正を提案するモデルが、その修正を判断するモデルでもあるのである。そして、その判断者の下での視覚的な妥当性は、ページが実際に動作するかどうかの指標としては乏しい代理にすぎない。このループに欠けているのは、VLMが欺くことのできない相手方である。ブラウザはまさにその相手方である。すなわち、ブラウザは、ユーザーの操作下におけるHTMLアーティファクトの振る舞いを実行する決定的な実行可能シミュレータであり、名目上は別として実質的にはWebコードのワールドモデルである。我々はWebWorldを提示する。これは、事前学習済みのVLMがこのブラウザ＝ワールドモデルと自律的に相互作用し、どの相互作用が教師信号となるかを決定するためのインターフェースである。各ラウンドで、VLMは批判を出力し、プランナーはそれを型付き相互作用契約にコンパイルする。ブラウザは候補を再実行し、目標の進捗と以前に検証されたすべての能力の維持の両方が成立する場合にのみ受理証明書を発行する。認定された遷移は品質ラチェットとして蓄積され、それがSFTエクスポートが目にする唯一のものである。同等のトレーニング条件下で、WebWorld-27BはRaw-27BをHTMLBench-400で5.3ポイント、MiniAppBench-Valで14.9ポイント上回り、インタラクティブなHTML生成においてKimi-K2.6やGPT-5.4といった強力なフロンティアシステムの水準に到達する。同規模のアブレーションでは、ブラウザに基づく受理判定が改善効果の源泉であることが示される。証明書なしでは、同規模の9Bモデルの改善はほぼ消失する。

English

VLM-driven self-improvement of web code has a structural flaw: the model that proposes the repair is the model that judges it, and visual plausibility under that judge is a poor proxy for whether the page actually works. What the loop is missing is a counterparty the VLM cannot fool, and the browser already is that counterparty: a deterministic, executable simulator of how an HTML artifact behaves under user actions, and in everything but name a world model for web code. We present WebWorld, the interface that lets a VLM prior interact with this browser-as-world-model autonomously and decides which interactions become supervision. Each round, the VLM emits a critique that the planner compiles into a typed interaction contract; the browser re-executes the candidate and issues an acceptance certificate only when both target progress and preservation of every previously verified capability hold; certified transitions accumulate as a quality ratchet that is the only thing the SFT export ever sees. Under matched training, WebWorld-27B improves Raw-27B by 5.3 points on HTMLBench-400 and 14.9 points on MiniAppBench-Val, and reaches the level of strong frontier systems such as Kimi-K2.6 and GPT-5.4 on interactive HTML generation. Equal-size ablations show that browser-backed admission carries the gain: without the certificate, the matched 9B lift nearly disappears.