MEMENTO：将Web作为学习信号用于低数据领域
人工智能
2026-05-29 v1
摘要
现实世界的任务常缺乏大规模标注数据，这推动了大量在稀疏数据场景下的学习研究。然而，现有方法如少样提示、指令调优和合成数据生成，持续将已标注或伪标注数据视为主要学习信号。相反，人类实践者通过反复、自主地与开放Web交互来获取专业知识，逐步细化领域知识和搜索策略。我们提出MEMENTO框架，将Web视为学习信号而非无状态检索接口。MEMENTO在两个层面运行：在每个会话期间，它通过自适应探索树（AET）进行迭代Web探索，将任务分解为不断演变的问题，并反思中间发现；在会话之间，它通过双通道记忆累积经验，将声明性知识（事实）与程序性知识（搜索策略）分开。这一设计使代理能够从Web交互轨迹中学习可复用的研究策略和领域专业知识，而无需额外的模型训练。我们在两个低数据专业领域：销售自动化和法律研究上评估了MEMENTO。我们的实证结果显示，在销售自动化上比基于ReAct的基线提高了25.6%，在法律研究上提高了36.5%，表明Web可作为获取特定任务在数据稀缺环境下专业知识的可扩展学习来源。
关键词
引用
@article{arxiv.2605.29795,
title = {MEMENTO: Leveraging Web as a Learning Signal for Low-Data Domains},
author = {Ashutosh Ojha and Vinay Aggarwal and Ashutosh Srivastava and Siddharth Yedlapati and Yaman K Singla and Jitendra Ajmera},
journal= {arXiv preprint arXiv:2605.29795},
year = {2026}
}