Summary
WAC 把 world model 放到 web agent 的动作执行前，用候选动作生成、后果模拟、judge 评分和 action refinement 做 pre-execution correction。它在 VisualWebArena 和 Online-Mind2Web 上分别带来 +1.8pp、+1.3pp 的小幅提升，价值更像是证明“simulate before act”可以作为 web agent 的风险控制原语，而不是已经解决训练基础设施问题。
Problem & Motivation
Web agent 的错误经常来自对页面状态转移的错误预期：一个 click / type 可能打开弹窗、改写表单、触发不可逆提交，agent 在真实页面执行后才发现失败。纯 reactive agent 缺少对候选动作后果的显式推演，因此在 irreversible 或 high-risk web actions 上容易累积错误。
作者的动机是把 world model 当作 web-environment expert：不直接替代 policy，而是在动作落地前预测候选动作可能造成的页面变化，并把反馈交回 action model 修正。这个设定和训练 infra 的关系在于：它把“环境转移模型”从 offline simulator 推到 inference-time guard。
Method
Model collaboration. WAC 让 action model 和 world model 协作。Action model 根据当前 observation 和 task 生成候选动作；world model 提供页面理解、元素语义和潜在状态变化的知识；router 决定何时需要 world-model guidance。
Consequence simulation. 对候选动作，world model 先模拟动作后果，再由 judge 判断该后果是否与 task progress 一致。若 judge 分数低于阈值，系统触发 correction loop：把模拟反馈交给 action model，重新生成或细化动作。
Action correction before execution. 关键点是修正发生在真实 browser 执行前，而不是失败后 rollback。WAC 因此不需要真实环境 fork，但也无法提供可验证的真实状态分支；它依赖 world model 的预测质量。
Key Results
- VisualWebArena. WAC 报告 success rate 24.5%，相对基线提升 +1.8pp。
- Online-Mind2Web. WAC 报告 success rate 16.0%，相对基线提升 +1.3pp。
- 机制层结果。 论文把收益归因于 action deduction 和 feedback-based refinement：world model 先预测候选动作后果，judge 再筛掉风险动作，减少执行前的明显错误。
Strengths & Weaknesses
已知的强点。 WAC 直接针对 web agent 的一个真实 failure mode：agent 并不理解 action effect。它的设计轻量，可以作为现有 web agent 的 wrapper，不要求重新构建环境或收集新训练数据。
已知的局限。 主要结果提升幅度较小，且绝对成功率仍低。系统的可靠性取决于 world model 和 judge 的预测，而不是来自真实 browser state 的可验证分支；一旦 world model 错误预测页面转移，correction loop 可能给出更自信但仍错误的动作。
推测。 WAC 对 AFE 的启发是：agent-facing environment 不一定只暴露真实 fork/rollback，也可以暴露 low-cost simulated affordance。但如果目标是训练 infra，单纯模拟后果不够，还需要把 correction 信号转成可复用的数据、reward 或 policy update。
Mind Map
mindmap root((WAC)) Problem Web actions have hidden consequences Reactive agents lack risk awareness Mistakes happen after execution Method Action model proposes candidate actions World model simulates consequences Judge scores simulated progress Feedback refines action before execution Results VisualWebArena 24.5 percent Online-Mind2Web 16.0 percent Small but consistent gains
Notes
这篇适合放在“world-model as runtime guard”一侧，而不是“大规模训练环境”主线。它补上一个重要对照：如果没有真实环境 fork，world model 仍可在执行前提供 cheap risk filter；但它不能替代 deterministic reset、branching rollout、verifier-grounded reward 这些训练 infra 必需品。
和 CUA-Survey 的关系：WAC 属于 inference-time simulated branching，但 branch 不是真实状态。和 2026-07-08-WebAgentTrainingInfra-Pulse 的关系：它是 cost/fidelity ladder 中最低成本、最低真实性的一档。