TimeWarp：通过回溯时验评估Web Agent
人工智能
2026-03-06 v1 计算与语言
计算机视觉与模式识别
机器学习
摘要
web agent在当前基准测试上的改进引发了一个问题：当web发生变化时，今天的agent表现如何？我们引入TimeWarp，一个模拟演变web的基准，采用容器化环境中的UI、设计和布局变化。TimeWarp包含三个web环境，每个环境包含六个UI版本，涵盖互联网不同时代的版本，搭配一组需要不同形式web导航的复杂真实任务。我们的实验揭示了web agent对变化的脆弱性以及基于单版本轨迹的行为克隆(BC)的局限性。为此，我们提出TimeTraj，一个简单有效的算法，通过计划蒸馏收集跨多个版本的轨迹。通过在我们基于BC变体的教师 rollouts 上训练，我们实现了显著的性能提升：Qwen-3 4B模型从20.4%提升至37.7%，Llama-3.1 8B模型从0%提升至27.0%。我们希望本工作帮助研究人员研究跨web设计的泛化， unlocking一种通过收集计划而非轨迹以提高web agent鲁棒性的新范式。
引用
@article{arxiv.2603.04949,
title = {TimeWarp: Evaluating Web Agents by Revisiting the Past},
author = {Md Farhan Ishmam and Kenneth Marino},
journal= {arXiv preprint arXiv:2603.04949},
year = {2026}
}