WebLoop 用执行反馈训练无执行 Critic，9B 模型在 WebRise 达 41.5、WebGen-Bench 达 38.9%
WebLoop 把功能型网页生成中的生成、批评与修复三个角色放在同一策略下联合优化：Generator 与 Refiner 的输出由浏览器执行给出直接奖励，而 Critic 不接触执行结果，仅凭任务需求与源码做需求级判断，其训练信号来自需求级执行标签（判别力）与后续修复带来的执行提升（有用性），并采用先建立诊断、再引入后果感知信用的分阶段奖励。用 Qwen3.5-9B 时，WebLoop 在 WebRise 上 Overall 达 41.5、在 WebGen-Bench 上准确率达 38.9%，分别比基座模型提升 11.3 与 15.4 分。