webarena
v0.2.0
Веб -сайт • Бумага • Таблица лидеров
Важный
В этом хранилище проводится каноническая реализация Webarena для воспроизведения результатов, представленных в статье. Инфраструктура веб -навигации была значительно повышена благодаря AgentLab, внедряя несколько ключевых функций: (1) поддержка параллельных экспериментов с использованием BrowsergyM, (2) интеграция популярных контрольных показателей веб -навигации (например, VisualWebarena) в рамках унифицированных фреймворков, (3) объединенных отчетов о таблице лидеров и (4) улучшенной обработки по крае среды. Мы настоятельно рекомендуем использовать эту структуру для ваших экспериментов.
# Python 3.10+
conda create -n webarena python=3.10 ; conda activate webarena
pip install -r requirements.txt
playwright install
pip install -e .
# optional, dev only
pip install -e " .[dev] "
mypy --install-types --non-interactive browser_env agents evaluation_harness
pip install pre-commit
pre-commit installОзнакомьтесь с этим сценарием для быстрого прохождения о том, как настроить среду браузера и взаимодействовать с ним, используя демонстрационные сайты, которые мы размещали. Этот сценарий предназначен только для образовательных целей, для проведения воспроизводимых экспериментов, пожалуйста, ознакомьтесь с следующим разделом. В двух словах, использование Webarena очень похоже на использование спортзала Openai. Следующий фрагмент кода показывает, как взаимодействовать с окружающей средой.
from browser_env import ScriptBrowserEnv , create_id_based_action
# init the environment
env = ScriptBrowserEnv (
headless = False ,
observation_type = "accessibility_tree" ,
current_viewport_only = True ,
viewport_size = { "width" : 1280 , "height" : 720 },
)
# prepare the environment for a configuration defined in a json file
config_file = "config_files/0.json"
obs , info = env . reset ( options = { "config_file" : config_file })
# get the text observation (e.g., html, accessibility tree) through obs["text"]
# create a random action
id = random . randint ( 0 , 1000 )
action = create_id_based_action ( f"click [id]" )
# take the action
obs , _ , terminated , _ , info = env . step ( action )Важный
Чтобы обеспечить правильную оценку, пожалуйста, настройте свои собственные веб -сайты Webarena после шага 1 и шага 2. Демо -сайты предназначены только для просмотра цели, чтобы помочь вам лучше понять контент. После оценки примеров 812 сбросьте среду в начальное состояние после инструкций здесь.
Установите автономную среду. Пожалуйста, ознакомьтесь с этой страницей для получения подробной информации.
Настройте URL -адреса для каждого веб -сайта.
export SHOPPING= " <your_shopping_site_domain>:7770 "
export SHOPPING_ADMIN= " <your_e_commerce_cms_domain>:7780/admin "
export REDDIT= " <your_reddit_domain>:9999 "
export GITLAB= " <your_gitlab_domain>:8023 "
export MAP= " <your_map_domain>:3000 "
export WIKIPEDIA= " <your_wikipedia_domain>:8888/wikipedia_en_all_maxi_2022-05/A/User:The_other_Kiwix_guy/Landing "
export HOMEPAGE= " <your_homepage_domain>:4399 " # this is a placeholderВам рекомендуется обновить переменные среды в рабочих процессах GitHub, чтобы обеспечить правильность модульных тестов
python scripts/generate_test_data.py Вы увидите *.json файлы, сгенерированные в папке config_files. Каждый файл содержит конфигурацию для одного тестового примера.
mkdir -p ./.auth
python browser_env/auto_login.py
Экспорт OPENAI_API_KEY=your_key , действительный ключ API OpenAI начинается с sk-
Запустите оценку
python run.py
--instruction_path agent/prompts/jsons/p_cot_id_actree_2s.json # this is the reasoning agent prompt we used in the paper
--test_start_idx 0
--test_end_idx 1
--model gpt-3.5-turbo
--result_dir < your_result_dir > Этот скрипт запустит первый пример с агентом по рассуждениям GPT-3.5. Траектория будет сохранена в <your_result_dir>/0.html
prompt = {
"intro" : < The overall guideline which includes the task description , available action , hint and others > ,
"examples" : [
(
example_1_observation ,
example_1_response
),
(
example_2_observation ,
example_2_response
),
...
],
"template" : < How to organize different information such as observation , previous action , instruction , url > ,
"meta_data" : {
"observation" : < Which observation space the agent uses > ,
"action_type" : < Which action space the agent uses > ,
"keywords" : < The keywords used in the template , the program will later enumerate all keywords in the template to see if all of them are correctly replaced with the content > ,
"prompt_constructor" : < Which prompt construtor is in used , the prompt constructor will construct the input feed to an LLM and extract the action from the generation , more details below > ,
"action_splitter" : < Inside which splitter can we extract the action , used by the prompt constructor >
}
}construct : построить входной подачу в LLM_extract_action : Учитывая генерацию из LLM, как извлечь фразу, которая соответствует действию Если вы используете нашу среду или данные, пожалуйста, цитируйте нашу статью:
@article{zhou2023webarena,
title={WebArena: A Realistic Web Environment for Building Autonomous Agents},
author={Zhou, Shuyan and Xu, Frank F and Zhu, Hao and Zhou, Xuhui and Lo, Robert and Sridhar, Abishek and Cheng, Xianyi and Bisk, Yonatan and Fried, Daniel and Alon, Uri and others},
journal={arXiv preprint arXiv:2307.13854},
year={2023}
}
