技术情报简报：Qwen3.8-27B在维基百科游戏中的表现分析
TL;DR
阿里云开源的Qwen3.8-27B模型通过playwright工具成功在6次维基百科内链点击内完成”Wikipedia Game”挑战，该游戏要求从无关的起点文章仅通过正向超链接导航到达终点文章，展现了模型在网页导航和路径规划方面的基础智能体能力。
核心观点/技术细节
-
任务设计：
- 严格限制条件：仅允许维基百科内链点击、禁止回退/搜索/外链、10次点击上限
- 使用playwright实现自动化浏览器操作
- 路径必须保持单向前进（forward-looking trajectory）
-
模型表现：
- 以6次点击超额完成任务（低于10次限制）
- 未出现预期的循环卡顿问题
- 用户验证了路径准确性
-
技术意义：
- 作为轻量级智能体测试方案
- 验证了模型的基础网页理解与决策能力
- 展示了开源模型在结构化环境中的任务执行潜力
核心痛点
-
智能体测试标准化：
当前缺乏简单可量化的智能体评估基准，此类小游戏可作为低成本测试方案 -
路径规划可靠性：
避免循环/死胡同是网页导航任务的关键挑战，模型表现超出预期 -
工具使用精确性：
通过playwright等工具精确控制浏览器操作的需求与实际应用场景高度相关 -
开源模型能力边界：
27B参数模型在受限环境中展现的决策能力值得关注，需进一步探索其上限