压缩历史状态：加速Web自动化的影响
计算与语言
2025-07-30 v1
摘要
语言模型已推动web自动化迈出新飞跃。当前的web自动化方法将当前网页状态、历史动作和语言指令作为输入，以预测下一步动作，忽视了历史状态的重要性。然而，网页状态的高度冗余特性会导致长输入序列和稀疏信息，妨碍有效利用历史状态。本文提出一种新颖的web历史压缩方法，通过压缩历史状态来加速web自动化。我们的方法采用历史压缩模块，将每个历史状态中最具任务相关性的信息提炼为固定长度的短表示，缓解了高度冗余历史状态所带来的挑战。在Mind2Web和WebLINX数据集上进行实验，以评估我们方法的有效性。结果表明，我们的方法在不包含历史输入的基线方法基础上获得了1.2-5.4个绝对百分点的准确率提升。
引用
@article{arxiv.2507.21369,
title = {Turbocharging Web Automation: The Impact of Compressed History States},
author = {Xiyue Zhu and Peng Tang and Haofu Liao and Srikar Appalaraju},
journal= {arXiv preprint arXiv:2507.21369},
year = {2025}
}