AutoSurfer -- 通过全面的冲浪、学习与建模教授网页代理
人工智能
2026-05-01 v1
摘要
最近的多模态大型语言模型（LLM）的进展彻底改变了能够在网站上自动化复杂任务的网页代理。然而，其准确率仍受限于高质量网页轨迹训练数据的稀缺。现有的自动轨迹生成方法因基于主页的任务提议或随机漫步探索而导致网站覆盖不完整。此类方法常导致幻觉或模糊的任务合成，从而产生不完整且不可靠的轨迹。我们提出AutoSurfer，一个综合性的网页轨迹生成器，通过三个关键创新解决了这些限制：第一，AutoSurfer采用系统性的广度优先探索策略，维护发现页面和动作轨迹的队列，跨页面传播知识以避免冗余探索，递归扩展多级图形用户界面元素——仿佛人类学习新网站的方式。第二，AutoSurfer利用探索轨迹引导任务合成，通过将复杂任务锚定在实际导航路径上而非孤立动作或页面内容，减少幻觉。第三，AutoSurfer使用相同的探索轨迹作为线索，引导网页代理实现更准确可靠的轨迹细化。通过这些创新，AutoSurfer能够全面覆盖网站的动作空间，生成适合训练网站特定LLM的训练数据。我们在WebArena基准上通过微调Qwen2.5-VL-7B-Instruct进行评估，证明其优于最先进的方法——Explorer、OS-Genesis和SynthAgent——在最佳先前方法中的整体任务完成准确率提升至24.23%。进一步的任务多样性分析表明，AutoSurfer产生更多样化的合成任务分布。
引用
@article{arxiv.2604.27253,
title = {AutoSurfer -- Teaching Web Agents through Comprehensive Surfing, Learning, and Modeling},
author = {Fazle Elahi Faisal and Qianhui Wu and Baolin Peng and Jianfeng Gao},
journal= {arXiv preprint arXiv:2604.27253},
year = {2026}
}
备注
21 pages, 3 figures