Go-Browse：通过结构化探索训练网络智能体
计算与语言
2026-03-04 v2
摘要
数字智能体的一个根本问题是它们对其环境缺乏理解。例如，一个网页浏览智能体可能会在陌生的网站中迷失方向，不确定必须访问哪些页面才能实现其目标。为了解决这个问题，我们提出了 Go-Browse，这是一种通过对网络环境进行结构化探索，自动大规模收集多样化且真实的网络智能体数据的方法。Go-Browse 通过将数据收集构建为图搜索来实现高效探索，从而能够在探索回合之间重用信息。我们在 WebArena 基准上实例化了我们的方法，收集了一个包含 100 个 URL 上 1 万条成功任务解决轨迹和 4 万个交互步骤的数据集。在该数据集上微调一个 7B 参数的语言模型，在 WebArena 基准上达到了 21.7% 的成功率，比 GPT-4o mini 高出 2.4%，并比当前 10B 参数以下模型的最先进结果高出 2.9%。
引用
@article{arxiv.2506.03533,
title = {Go-Browse: Training Web Agents with Structured Exploration},
author = {Apurva Gandhi and Graham Neubig},
journal= {arXiv preprint arXiv:2506.03533},
year = {2026}
}