WebClick 是一个高质量的网页理解基准数据集，用于评估多模态模型和智能体理解网页界面、解读用户指令以及在数字环境中采取精准行动的能力。

该数据集包含来自 100 多个网站的 1,639 张英文网页截图，这些截图配有精确标注的自然语言指令和像素级点击目标。

数据集结构：

• agentbrowse(36%)：SurferH 代理在解决 WebVoyager 的 Web 检索任务时遇到的页面
• humanbrowse(31.8%)：人类执行日常任务（电子购物、旅行计划、个人组织）时与之交互的页面和元素
• calendars(32.2%)：专注于日历界面的专门子集，这是 UI 理解模型的一个已知挑战