يقدم المؤلفون WebMRE، وهو معيار غير متصل يتكون من 541 مهمة و5,293 خطوة مستمدة من مسارات WebArena الناجحة، مصممًا لتقديم بروتوكول حتمي لتقييم نقاط تفتيش وكلاء الويب دون انجراف البيئة. يجمع هذا الإطار بين جمل توجيهية موجهة للبشر وإجراءات موثوقة لدراسة تأثير التعزيز المتبادل بينهما.
- يؤدي فك التشفير المشترك للتوجيه إلى رفع اختيار العناصر بمقدار 0.9 و0.2 نقطة لنموذج Qwen3.5-4B، وبمقدار 1.7 و2.2 نقطة لنموذج Qwen3.5-9B.
- يؤكد تحليل الوساطة أن التوجيه يعمل كقناة سببية: فرض التوجيه الصحيح كبادئة فك تشفير يرفع دقة الإجراء من .422 إلى .684.
- تفوق النماذج المُدَرَّبة مسبقًا نماذج GPT-5.5 وClaude Opus 4.8 وGemini 3.5 Flash في المقاييس غير المتصلة بدون تدريب مسبق.
تُظهر الدراسة أن التوجيهات تحمل معنى التعليمات بدلاً من مجرد سلاسل التسميات، مما يوفر طريقة قابلة للتكرار لتقييم ظواهر التدريب في وكلاء الويب.