摘要
Browser-Use Agent 是把网页观察转成浏览器动作，并以页面或后端状态判断任务是否完成的可执行智能体。它不仅检索网页，还要处理登录态、标签页、动态页面、长程状态与失败恢复。（来源：WebArena: A Realistic Web Environment for Building Autonomous Agents）
核心内容
定义
其闭环至少包含浏览器环境、页面观察、可落地动作与结果验证。观察可来自 screenshot、DOM 或 accessibility tree；动作可按坐标或元素 ID 执行点击、输入、滚动、导航和标签页操作。（来源：WebArena: A Realistic Web Environment for Building Autonomous Agents，§2.3-2.4）
关键要点
- 与只返回搜索结果或调用网站 API 的 Agent 不同，Browser-Use Agent 直接承受 UI 状态、会话和交互路径的不确定性。（综合：WebArena: A Realistic Web Environment for Building Autonomous Agents）
- WebArena 将网站、初始数据和 evaluator 自托管，使同一任务可重置和重复；这提高可比性，但不等于覆盖 live web 的风控、广告、内容漂移与开放网络副作用。（来源：WebArena: A Realistic Web Environment for Building Autonomous Agents）
- 终局成功并不能解释失败发生在哪一步。WebArena 基线暴露了过早停止、重复动作、状态跟踪和失败恢复问题，因此 benchmark 分数应与轨迹诊断并用。（来源：WebArena: A Realistic Web Environment for Building Autonomous Agents，§5.1 / Appendix A.10）
- Browser-use 环境既可做静态评测，也可为参数训练提供回报；只有实际用交互回报更新策略时才属于 Agentic RL。WebArena 原论文不是，后续 Agentic ESOpt 的 WebArena-Lite 参数搜索属于相邻的黑盒参数优化。（综合：WebArena: A Realistic Web Environment for Building Autonomous Agents、Agentic ESOpt: Fine-Tuning Long-Horizon LLM Agents with Minimal GPU Memory Requirements）
适用范围与边界
适用于信息检索、站内导航、内容或配置操作及跨站任务。浏览器通常也是 Computer-Use Agent 的一个应用，但 browser-only benchmark 不覆盖桌面文件、原生应用和跨应用工作流。（综合：WebArena: A Realistic Web Environment for Building Autonomous Agents、OSWorld: Benchmarking Multimodal Agents for Open-Ended Tasks in Real Computer Environments）
分歧与演变
早期 WebArena 主实验采用 accessibility tree 与元素 ID；这类结果不能直接代表视觉坐标控制能力。后续系统常通过 BrowserGym 等统一运行框架复用任务，比较时必须记录环境、任务标注和 evaluator 版本。（来源：WebArena: A Realistic Web Environment for Building Autonomous Agents）
相关页面
- 上位概念：Computer-Use Agent
- 相关概念：Execution-Based Agent Evaluation、Agentic RL、Agent Failure Localization
- 相关实体：WebArena、OSWorld、Agentic ESOpt
- 相关主题：Browser and Computer-Use Agents、AI Agent Failure Analysis
来源
- WebArena: A Realistic Web Environment for Building Autonomous Agents
- OSWorld: Benchmarking Multimodal Agents for Open-Ended Tasks in Real Computer Environments
- Agentic ESOpt: Fine-Tuning Long-Horizon LLM Agents with Minimal GPU Memory Requirements
待核实问题
- 当前不同 browser-use benchmark 在网站版本、凭据、网络访问和 evaluator 修订上的可比性仍待专项整理。