WebGrader: Training LLMs for Web Development with Self-Evolving Programmatic Grader

WebGrader 从网页需求自动生成交互流和 Flow Contract，在真实浏览器里同时收集视觉、DOM、响应和持久状态证据，只有观察到目标转移才发放 RL Pass。它还用残差驱动离线循环筛选可复用 verifier skill，并在不相交页面上验证后冻结。WebGen-Bench 上 8B 策略达到 52.01% 功能成功率，比外观加脚本奖励高 7.88 个百分点，说明“能否完成交互”可以被程序化为更可靠的训练信号。