现实世界中的前端开发要求 Agent 在不断演化的应用状态上，组合完成复现、生成、修改和修复等多种工作。要为这一过程学习通用策略，需要把异构的执行反馈转化为与任务对齐的奖励，并在一长串相互依赖的动作之间做有效的信用分配。
在这项工作中，研究团队提出了 WebCoder，一个通过 artifact-grounded agentic RL 训练的通用前端开发 Agent。团队的核心思路是，通过各类开发活动对同一个可执行 Artifact 的影响，以及该 Artifact 对任务需求的满足程度，来评估这些活动。
团队构建了 Webdev-World，这是一个可执行环境，集成了代码编辑、应用运行、浏览器检查和按需调用的 skills，并在多次交互之间保持项目状态。一个独立的验证器根据任务需求评估最终应用，给出终端奖励；中间阶段 Artifact 进展的变化，则用来在各个开发片段之间重新分配 rollout 得到的优势。上下文压缩和消息树样本构建，支持在超出单个上下文窗口的轨迹上训练，同时避免对共享的已生成历史重复计算 loss。团队还提出了 Webdev-Bench，用来在单个项目内评估组合式的开发需求。
在 Webdev-Bench 上，WebCoder-27B 将需求满足度从其基座模型 Qwen3.8-27B 的 64.8 提升到 72.8，超过 Claude-Opus-4.8（65.1）和 GPT-5.4（59.6）。在 Vision2Web 上，WebCoder-27B 把视觉与功能的平均得分从 41.1 提升到 62.4，与 Claude-Opus-4.8 相当。消融实验验证了基于 Artifact 的信用分配和长程训练各自的贡献。