NNetNav: 通过环境在野外的交互学习无监督浏览器代理
偏微分方程分析
2025-03-26 v2
摘要
我们介绍NNetNav，这是一种用于与网站进行无监督交互的方法，可为训练浏览器代理生成合成演示。给定任意网站，NNetNav通过对探索策略从的动作序列进行逆向标注来生成这些演示。大多数训练浏览器代理的工作依赖于昂贵的人类监督，受限于此类交互-based 技术的先前工作未能有效地通过指数级大空间的搜索。相比之下，NNetNav利用语言指令的层次结构结构，使搜索更具可行性：复杂指令通常可分解为更简单的子任务，允许NNetNav在中间轨迹无法用有意义的子任务进行注释时自动修剪interaction episodes。使用在10k个NNetNav自生成演示上微调的Llama-3.1-8b，在WebArena上获得超过16%的成功率，在WebVoyager上获得35%的成功率，分别比零-shot Llama-3.1-8b提高了15个百分点和31个百分点，超过了零-shot GPT-4，在两个基准测试中均达到无监督方法的最佳性能。
引用
@article{arxiv.2410.02906,
title = {Homogenization of elasto-plastic evolutions driven by the flow of dislocations},
author = {Paolo Bonicatto and Filip Rindler},
journal= {arXiv preprint arXiv:2410.02906},
year = {2025}
}
备注
47 pages