NNetNav：通过野外环境交互学习浏览器代理的无监督方法
计算与语言
2025-02-06 v2
摘要
我们介绍 NNetNav，这是一种用于网站无监督交互的方法，可为训练浏览器代理生成合成演示。给定任意网站，NNetNav 通过对探索策略中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昂贵的人工监督，而此前有限的基于此类交互技术的工作未能有效地通过指数级大的探索空间进行搜索。相反，NNetNav 利用语言指令的层次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 在中间轨迹无法获得有意义子任务时自动修剪交互情节。在 10k 个 NNetNav 自生成演示上微调的 \texttt{LLama-3.1-8b} 在 WebArena 上获得超过 16% 的成功率，在 WebVoyager 上达到 35%，分别比零样本 \texttt{LLama-3.1-8b} 提升 15 个百分点和 31 个百分点，超越零样本 GPT-4，在两个基准测试中均达到无监督方法的当前最佳水平。
关键词
引用
@article{arxiv.2410.02907,
title = {NNetNav: Unsupervised Learning of Browser Agents Through Environment Interaction in the Wild},
author = {Shikhar Murty and Hao Zhu and Dzmitry Bahdanau and Christopher D. Manning},
journal= {arXiv preprint arXiv:2410.02907},
year = {2025}
}
备注
Code, Data and Models available at https://www.nnetnav.dev