Buchumschlag

WebGym: Scaling Training Environments for Visual Web Agents with Realistic Tasks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Bai, Hao, Taymanov, Alexey, Zhang, Tong, Kumar, Aviral, Whitehead, Spencer
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

VisualWebArena: Evaluating Multimodal Agents on Realistic Visual Web Tasks
von: Koh, Jing Yu, et al.
Veröffentlicht: (2024)

Weblica: Scalable and Reproducible Training Environments for Visual Web Agents
von: Kar, Oğuzhan Fatih, et al.
Veröffentlicht: (2026)

OpenWebRL: Demystifying Online Multi-turn Reinforcement Learning for Visual Web Agents
von: Yang, Rui, et al.
Veröffentlicht: (2026)

OceanGym: A Benchmark Environment for Underwater Embodied Agents
von: Xue, Yida, et al.
Veröffentlicht: (2025)

WALT: Web Agents that Learn Tools
von: Prabhu, Viraj, et al.
Veröffentlicht: (2025)

WebSerial Vision Training for Microcontrollers: A Browser-Based Companion to On-Device CNN Training
von: Ellis, Jeremy
Veröffentlicht: (2026)

Conditional Diffusion on Web-Scale Image Pairs leads to Diverse Image Variations
von: Kumar, Manoj, et al.
Veröffentlicht: (2024)

LAION-C: An Out-of-Distribution Benchmark for Web-Scale Vision Models
von: Li, Fanfei, et al.
Veröffentlicht: (2025)

WebInject: Prompt Injection Attack to Web Agents
von: Wang, Xilong, et al.
Veröffentlicht: (2025)

Web-based Melanoma Detection
von: Kim, SangHyuk, et al.
Veröffentlicht: (2024)

No Training Wheels: Steering Vectors for Bias Correction at Inference Time
von: Gupta, Aviral, et al.
Veröffentlicht: (2025)

The Unified Balance Theory of Second-Moment Exponential Scaling Optimizers in Visual Tasks
von: Zhang, Gongyue, et al.
Veröffentlicht: (2024)

Walking the Web of Concept-Class Relationships in Incrementally Trained Interpretable Models
von: Agrawal, Susmit, et al.
Veröffentlicht: (2025)

InfiniteWeb: Scalable Web Environment Synthesis for GUI Agent Training
von: Zhang, Ziyun, et al.
Veröffentlicht: (2026)

HistoGym: A Reinforcement Learning Environment for Histopathological Image Analysis
von: Liu, Zhi-Bo, et al.
Veröffentlicht: (2024)

Web2Grasp: Learning Functional Grasps from Web Images of Hand-Object Interactions
von: Chen, Hongyi, et al.
Veröffentlicht: (2025)

GR-2: A Generative Video-Language-Action Model with Web-Scale Knowledge for Robot Manipulation
von: Cheang, Chi-Lam, et al.
Veröffentlicht: (2024)

EEO-TFV: Escape-Explore Optimizer for Web-Scale Time-Series Forecasting and Vision Analysis
von: Wang, Hua, et al.
Veröffentlicht: (2026)

Noise-Tolerant Hybrid Prototypical Learning with Noisy Web Data
von: Liang, Chao, et al.
Veröffentlicht: (2025)

Structuring a Training Strategy to Robustify Perception Models with Realistic Image Augmentations
von: Hammam, Ahmed, et al.
Veröffentlicht: (2024)

TimeWarp: Evaluating Web Agents by Revisiting the Past
von: Ishmam, Md Farhan, et al.
Veröffentlicht: (2026)

MolmoWeb: Open Visual Web Agent and Open Data for the Open Web
von: Gupta, Tanmay, et al.
Veröffentlicht: (2026)

DRAGON: A Large-Scale Dataset of Realistic Images Generated by Diffusion Models
von: Bertazzini, Giulia, et al.
Veröffentlicht: (2025)

TextSquare: Scaling up Text-Centric Visual Instruction Tuning
von: Tang, Jingqun, et al.
Veröffentlicht: (2024)

CUA-Gym: Scaling Verifiable Training Environments and Tasks for Computer-Use Agents
von: Wang, Bowen, et al.
Veröffentlicht: (2026)

Vision-Language Models Provide Promptable Representations for Reinforcement Learning
von: Chen, William, et al.
Veröffentlicht: (2024)

InnoGym: Benchmarking the Innovation Potential of AI Agents
von: Zhang, Jintian, et al.
Veröffentlicht: (2025)

Descripción automática de secciones delgadas de rocas: una aplicación Web
von: Paucar, Stalyn, et al.
Veröffentlicht: (2024)

Growing Visual Generative Capacity for Pre-Trained MLLMs
von: Wang, Hanyu, et al.
Veröffentlicht: (2025)

Learning an Actionable Discrete Diffusion Policy via Large-Scale Actionless Video Pre-Training
von: He, Haoran, et al.
Veröffentlicht: (2024)

Pix2Fact: When Vision Is Not Enough -- Benchmarking Fine-Grained VQA with Web Verification on High-Resolution Real-World Scenes
von: Jiang, Yifan, et al.
Veröffentlicht: (2026)

ZeroMimic: Distilling Robotic Manipulation Skills from Web Videos
von: Shi, Junyao, et al.
Veröffentlicht: (2025)

Time-, Memory- and Parameter-Efficient Visual Adaptation
von: Mercea, Otniel-Bogdan, et al.
Veröffentlicht: (2024)

Visual Test-time Scaling for GUI Agent Grounding
von: Luo, Tiange, et al.
Veröffentlicht: (2025)

Hierarchical Invariance for Robust and Interpretable Vision Tasks at Larger Scales
von: Qi, Shuren, et al.
Veröffentlicht: (2024)

Scaling Laws for Task-Optimized Models of the Primate Visual Ventral Stream
von: Gokce, Abdulkadir, et al.
Veröffentlicht: (2024)

Generating a Biometrically Unique and Realistic Iris Database
von: Zhang, Jingxuan, et al.
Veröffentlicht: (2025)

WebCryptoAgent: Agentic Crypto Trading with Web Informatics
von: Kurban, Ali, et al.
Veröffentlicht: (2026)

Tensor-Train Point Cloud Compression and Efficient Approximate Nearest-Neighbor Search
von: Novikov, Georgii, et al.
Veröffentlicht: (2024)

Vision Learners Meet Web Image-Text Pairs
von: Zhao, Bingchen, et al.
Veröffentlicht: (2023)