WebClick は、マルチモーダル モデルとエージェントが Web インターフェースを理解し、ユーザー コマンドを解釈し、デジタル環境で正確なアクションを実行する能力を評価するための、高品質の Web 理解ベンチマーク データセットです。 このデータセットには、100 を超える Web サイトの 1,639 枚の英語の Web ページ スクリーンショットが含まれており、正確に注釈が付けられた自然言語の指示とピクセルレベルのクリック ターゲットが添付されています。

データセットの構造:

• agentbrowse(36%): WebVoyagerのWeb検索タスクを解決する際にSurferHエージェントが遭遇したページ
• humanbrowse (31.8%): 人間が日常的なタスク（電子ショッピング、旅行計画、個人の整理）を実行する際に操作するページと要素
• カレンダー（32.2%）：UI理解モデルにとっての既知の課題であるカレンダーインターフェースの特殊なサブセットに焦点を当てています。

引用

@dataset{hcompany2025uinavigate,
author = {H Company Research Team},
title = {WebClick: A Multimodal Localization Benchmark for Web-Navigation Models},
year = {2025},
publisher = {H Company},
}
@misc{andreux2025surferhmeetsholo1costefficient,
title={Surfer-H Meets Holo1: Cost-Efficient Web Agent Powered by Open Weights},
author={Mathieu Andreux and Breno Baldas Skuk and Hamza Benchekroun and Emilien Biré and Antoine Bonnet and Riaz Bordie and Matthias Brunel and Pierre-Louis Cedoz and Antoine Chassang and Mickaël Chen and Alexandra D. Constantinou and Antoine d'Andigné and Hubert de La Jonquière and Aurélien Delfosse and Ludovic Denoyer and Alexis Deprez and Augustin Derupti and Michael Eickenberg and Mathïs Federico and Charles Kantor and Xavier Koegler and Yann Labbé and Matthew C. H. Lee and Erwan Le Jumeau de Kergaradec and Amir Mahla and Avshalom Manevich and Adrien Maret and Charles Masson and Rafaël Maurin and Arturo Mena and Philippe Modard and Axel Moyal and Axel Nguyen Kerbel and Julien Revelle and Mats L. Richter and María Santos and Laurent Sifre and Maxime Theillard and Marc Thibault and Louis Thiry and Léo Tronchon and Nicolas Usunier and Tony Wu},
year={2025},
eprint={2506.02865},
archivePrefix={arXiv},
primaryClass={cs.AI},
url={https://arxiv.org/abs/2506.02865},
}