Branch-and-Browse：基于树状推理与动作记忆的高效可控网络探索
人工智能
2025-10-24 v1 计算与语言
机器学习
摘要
由大型语言模型驱动的自主网络代理在执行目标导向任务（如信息检索、报告生成和在线交易）方面展现出巨大潜力。这些代理标志着向开放网络环境中实际具身推理迈出的关键一步。然而，现有方法在推理深度和效率方面仍然受限：原始的线性方法无法进行多步推理且缺乏有效的回溯，而其他搜索策略则粗粒度且计算成本高昂。我们引入了Branch-and-Browse，一个细粒度的网络代理框架，它统一了结构化推理-行动、上下文记忆和高效执行。它(i) 采用显式子任务管理与树状结构探索，实现可控的多分支推理；(ii) 通过高效的网络状态重放与后台推理引导探索；(iii) 利用页面动作内存在会话内部和会话之间共享已探索的动作。在WebArena基准上，Branch-and-Browse实现了35.8%的任务成功率，并且相对于最先进的方法，执行时间减少了高达40.4%。这些结果表明，Branch-and-Browse是一个可靠且高效的基于LLM的网络代理框架。
引用
@article{arxiv.2510.19838,
title = {Branch-and-Browse: Efficient and Controllable Web Exploration with Tree-Structured Reasoning and Action Memory},
author = {Shiqi He and Yue Cui and Xinyu Ma and Yaliang Li and Bolin Ding and Mosharaf Chowdhury},
journal= {arXiv preprint arXiv:2510.19838},
year = {2025}
}