WebOperator：面向 Web 环境中自主智能体的动作感知树搜索

基于 LLM 的智能体通常以贪心的、逐步的方式进行操作，仅根据当前观测选择动作，而不考虑长期后果或替代路径。这种缺乏前瞻性在 Web 环境中尤为棘手，因为 Web 环境仅部分可观测——局限于浏览器可见内容（例如 DOM 和 UI 元素）——其中一次失误通常需要复杂且脆弱的导航来撤销。如果没有显式的回溯机制，智能体将难以纠正错误或系统地探索替代路径。树搜索方法为这种结构化探索提供了有原则的框架，但现有方法缺乏安全回溯机制，使其容易产生意外的副作用。它们还假设所有动作都是可逆的，忽略了不可逆动作的存在——这些局限性降低了它们在真实 Web 任务中的有效性。为了应对这些挑战，我们引入了 WebOperator，一个实现可靠回溯和策略性探索的树搜索框架。我们的方法结合了最佳优先搜索策略，该策略根据奖励估计和安全性考虑对动作进行排序，同时结合了鲁棒的回溯机制，该机制在重放之前验证先前访问路径的可行性，从而防止意外的副作用。为了进一步引导探索，WebOperator 从多个不同的推理上下文中生成候选动作，以确保多样且鲁棒的探索，并通过在执行前过滤无效动作并合并语义等价的动作，随后策划出高质量的动作集。在 WebArena 和 WebVoyager 上的实验结果证明了 WebOperator 的有效性。在 WebArena 上，WebOperator 使用 gpt-4o 实现了 54.6% 的最先进成功率，突显了将策略性前瞻与安全执行相结合的关键优势。