AutoSurfer -- Teaching Web Agents through Comprehensive Surfing, Learning, and Modeling
AutoSurfer ist ein neuartiger Web-Trajektorien-Generator, der systematische Breitensuche, explorationsgesteuerte Aufgabensynthese und trajektorienbasierte Verfeinerung einsetzt, um Datenknappheit und Halluzinationsprobleme zu überwinden und dadurch die Leistung von Web-Agenten sowie die Aufgabenvielfalt im WebArena-Benchmark erheblich zu verbessern.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie möchten einem Roboter beibringen, wie er eine riesige, komplexe Bibliothek (eine Website) navigiert, um bestimmte Bücher zu finden, auszuleihen oder Bewertungen zu schreiben. Das Problem ist, dass der Roboter den Grundriss der Bibliothek nicht kennt und niemand ein Handbuch dafür geschrieben hat.
AutoSurfer ist ein neues System, das entwickelt wurde, um diese „Web-Roboter" (genannt Web-Agenten) zu unterrichten, indem es wie ein sehr gründlicher, organisierter menschlicher Bibliothekar agiert, der die Bibliothek zunächst erkundet, einen perfekten Leitfaden schreibt und dann den Roboter mit Hilfe dieses Leitfadens unterrichtet.
So funktioniert AutoSurfer, aufgeschlüsselt in einfache Schritte:
1. Das Problem: Roboter verirren sich
Aktuelle Roboter, die versuchen, Websites zu navigieren, scheitern oft, weil sie nicht auf genügend gute Beispiele trainiert wurden.
- Der alte Weg: Bisherige Methoden versuchten, Roboter zu unterrichten, indem sie entweder:
- Vom Eingangstor aus rieten: Sie betrachteten die Startseite und rieten, welche Aufgaben möglich sein könnten, und übersahen dabei die versteckten Räume tief im Inneren der Bibliothek.
- Ziellos umherwanderten: Sie liefen zufällig herum, wie ein Tourist, der gegen Wände stößt. Dies führte oft dazu, dass der Roboter Aufgaben erfand, die es tatsächlich gar nicht gab (Halluzinationen), oder wichtige Funktionen wie Dropdown-Menüs übersah, die erst sichtbar werden, wenn man darauf klickt.
2. Die Lösung: Die Drei-Schritte-Strategie von AutoSurfer
AutoSurfer behebt dies durch einen „Lernen-im-Gang"-Ansatz, der nachahmt, wie ein Mensch eine neue Website lernt.
Schritt A: Der systematische Entdecker (Die Breitensuche)
Anstatt ziellos umherzuwandern, agiert AutoSurfer wie ein Detektiv mit einer Checkliste.
- Die Warteschlange: Es führt eine Liste aller Seiten, die es gefunden hat, aber noch nicht vollständig erkundet hat. Es beginnt auf der Startseite, prüft dann jeden Link auf dieser Seite, dann jeden Link auf diesen Seiten und so weiter.
- Der „Entfaltungs"-Trick: Stellen Sie sich ein Menü vor, das Optionen verbirgt, bis man auf „Mehr" klickt. Alte Methoden übersahen diese oft. AutoSurfer ist intelligent genug, um auf die Schaltfläche „Mehr" zu klicken, die neuen Optionen zu sehen und diese neuen Optionen sofort zu seiner Checkliste hinzuzufügen. Es tut dies rekursiv, schält Schichten von Menüs ab, genau wie ein Mensch es tun würde.
- Keine Redundanz: Wenn es auf der Startseite ein „Such"-Feld findet, verschwendet es keine Zeit damit, auf jeder einzelnen anderen Seite nach einem „Such"-Feld zu suchen. Es merkt sich, was es bereits weiß, und überspringt die Duplikate.
Schritt B: Die Geschichte schreiben (Aufgabensynthese)
Sobald AutoSurfer die Website erkundet hat, sagt es nicht einfach: „Ich habe hier geklickt." Es schreibt eine Geschichte.
- Die Punkte verbinden: Es betrachtet den Weg, den es genommen hat (die Erkundungstrajektorie), und erstellt eine Aufgabe basierend auf diesem realen Weg.
- Die Metapher: Stellen Sie sich vor, Sie unterrichten jemanden, wie man einen Kuchen backt.
- Alte Methoden könnten sagen: „Kaufen Sie Mehl, dann kaufen Sie Eier, dann backen Sie." (Isolierte Schritte).
- AutoSurfer sagt: „Zuerst sind Sie zum Gang gelaufen, haben das Mehl aufgehoben, zur Kasse gelaufen, bezahlt, dann zum Ofen gelaufen..." Es verankert die Aufgabe in der tatsächlichen Reise, wodurch die Anweisungen viel schwerer misszuverstehen sind.
Schritt C: Das Polieren (Verfeinerung)
Der erste Entwurf der Anweisungen könnte unordentlich sein. Vielleicht hat der Roboter einen Umweg genommen oder versehentlich zweimal auf einen Button geklickt.
- Der Redakteur: AutoSurfer nimmt seinen eigenen „Rohentwurf" der Reise und gibt ihn einem Web-Agenten (einem intelligenten Roboter) mit dem Hinweis: „Hier ist der Weg, den wir genommen haben; führen Sie nun diese Aufgabe perfekt aus."
- Das Ergebnis: Der Agent bereinigt den Weg, entfernt unnötige Schritte und stellt sicher, dass die Anweisungen zu 100 % korrekt sind. Dies erstellt ein hochwertiges „Lehrbuch" für das Training.
3. Das Ergebnis: Ein Super-Schüler
AutoSurfer verwandelt diese sauberen, verifizierten Pfade in einen Datensatz, um einen spezifischen „Website-spezifischen LLM" (ein Roboter-Gehirn, das einer bestimmten Website gewidmet ist) zu trainieren.
- Der Test: Die Forscher testeten dies an einem Benchmark namens WebArena (ein simuliertes Internet mit Seiten wie Reddit, einem Online-Shop und einem Code-Repository).
- Die Punktzahl: Der von AutoSurfer trainierte Roboter löste 24,23 % der Aufgaben richtig. Die beste vorherige Methode erreichte nur 19,59 %.
- Die Vielfalt: Nicht nur war es genauer, sondern es lernte auch eine breitere Vielfalt an Aufgaben. Es lernte nicht nur die einfachen Dinge; es fand die tiefen, komplexen Funktionen der Websites, die andere Methoden übersahen.
Zusammenfassende Analogie
Stellen Sie sich das Trainieren eines Web-Agenten wie das Einarbeiten eines neuen Mitarbeiters in ein riesiges, verwirrendes Bürogebäude vor.
- Alte Methoden gaben dem Mitarbeiter eine Karte, auf der nur die Lobby markiert war, und sagten ihnen: „Finden Sie die Pause." Sie verirrten sich.
- AutoSurfer schickt einen erfahrenen Mitarbeiter, um jeden Flur zu begehen, jede Tür zu öffnen, jeden Schrank zu prüfen und einen Schritt-für-Schritt-Leitfaden basierend auf der tatsächlichen Begehung zu schreiben. Dann sendet es diesen Leitfaden an den neuen Mitarbeiter. Der neue Mitarbeiter kommt an und weiß genau, wo die Pause ist, wie man dorthin gelangt und was zu tun ist, wenn man dort ankommt.
Die Arbeit behauptet, dass AutoSurfer durch diese Gründlichkeit und Systematik bessere Trainingsdaten erstellt, was zu Web-Agenten führt, die genauer sind, weniger dazu neigen, Dinge zu erfinden, und in der Lage sind, komplexe, mehrstufige Aufgaben im Web zu bewältigen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.