AutoSurfer -- Teaching Web Agents through Comprehensive Surfing, Learning, and Modeling
AutoSurfer एक नवीन वेब प्रक्षेपवक्र जनरेटर (web trajectory generator) है जो डेटा की कमी और मतिभ्रम (hallucination) की समस्याओं को दूर करने के लिए व्यवस्थित ब्रैडथ-फर्स्ट एक्सप्लोरेशन, एक्सप्लोरेशन-गाइडेड टास्क सिंथेसिस और प्रक्षेपवक्र-आधारित परिशोधन का उपयोग करता है, जिससे WebArena बेंचमार्क पर वेब एजेंट के प्रदर्शन और कार्य विविधता में महत्वपूर्ण सुधार होता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक रोबोट को एक विशाल, जटिल लाइब्रेरी (एक वेबसाइट) में विशिष्ट किताबें खोजने, उन्हें चेक आउट करने या समीक्षाएं लिखने के लिए नेविगेट करना सिखाना चाहते हैं। समस्या यह है कि रोबोट को लाइब्रेरी का लेआउट नहीं पता है, और किसी ने भी इसके लिए कोई मैनुअल नहीं लिखा है।
AutoSurfer एक नया सिस्टम है जिसे इन "वेब रोबोट्स" (जिन्हें वेब एजेंट कहा जाता है) को सिखाने के लिए डिज़ाइन किया गया है। यह एक बहुत ही विस्तृत, व्यवस्थित मानव लाइब्रेरियन की तरह काम करता है जो पहले लाइब्रेरी का अन्वेषण करता है, एक आदर्श मार्गदर्शिका (गाइड) लिखता है, और फिर उस गाइड का उपयोग करके रोबोट को सिखाता है।
यह कैसे काम करता है, इसे सरल चरणों में यहाँ दिया गया है:
1. समस्या: रोबोटों का रास्ता भटक जाना
वर्तमान रोबोट जो वेबसाइटों पर नेविगेट करने की कोशिश करते हैं, वे अक्सर विफल हो जाते हैं क्योंकि उन्हें पर्याप्त अच्छे उदाहरणों पर प्रशिक्षित नहीं किया गया है।
- पुराना तरीका: पिछले तरीकों ने रोबकारों को या तो:
- मुख्य द्वार से अनुमान लगाना: वे होमपेज को देखते थे और अनुमान लगाते थे कि क्या कार्य संभव हो सकते हैं, जिससे वे लाइब्रेरी के भीतर छिपे हुए कमरों को देखने से चूक जाते थे।
- बिना सोचे-समझे घूमना: वे एक पर्यटक की तरह बेतरतीब ढंग से घूमते थे जो दीवारों से टकरा रहा हो। इससे अक्सर रोबोट ऐसे कार्य बना लेते थे जो वास्तव में अस्तित्व में ही नहीं थे (हैलुसिनेशन/भ्रम) या वे ड्रॉपडाउन मेनू जैसे महत्वपूर्ण फीचर्स को मिस कर देते थे जो क्लिक करने पर ही दिखाई देते हैं।
2. समाधान: AutoSurfer की तीन-चरणीय रणनीति
AutoSurfer इसे एक "जैसे-जैसे आगे बढ़ो, वैसे ही सीखो" (Learn as You Go) दृष्टिकोण का उपयोग करके ठीक करता है, जो एक इंसान द्वारा नई वेबसाइट सीखने के तरीके की नकल करता है।
चरण A: व्यवस्थित अन्वेषक (Breadth-First Search)
बेतरतीब ढंग से घूमने के बजाय, AutoSurfer एक चेकलिस्ट वाले जासूस की तरह काम करता है।
- क्यू (Queue): यह हर उस पेज की एक सूची रखता है जो उसने खोजा है लेकिन अभी तक पूरी तरह से एक्सप्लोर नहीं किया है। यह होमपेज से शुरू करता है, फिर उस पेज के हर लिंक की जांच करता है, फिर उन पेजों के हर लिंक की, और इसी तरह आगे बढ़ता है।
- "अनफोल्डिंग" (Unfolding) ट्रिक: कल्पना कीजिए कि एक मेनू है जो "More" पर क्लिक करने तक विकल्प छिपा देता है। पुराने तरीके अक्सर इन्हें मिस कर देते थे। AutoSurler स्मार्ट है और "More" बटन पर क्लिक करके नए विकल्पों को देख सकता है, और तुरंत उन नए विकल्पों को अपनी चेकलिस्ट में जोड़ सकता है। यह मेनू की परतों को खोलते हुए पुनरावर्ती (recursively) रूप से ऐसा करता है, ठीक वैसे ही जैसे एक इंसान करेगा।
- कोई दोहराव नहीं: यदि इसे होमपेज पर "Search" बॉक्स मिलता है, तो यह हर दूसरे पेज पर "Search" बॉक्स खोजने में समय बर्बाद नहीं करता है। यह याद रखता है कि वह पहले से क्या जानता है और डुप्लिकेट्स को छोड़ देता है।
चरण B: कहानी लिखना (Task Synthesis)
एक बार जब AutoSurfer ने वेबसाइट का अन्वेषण कर लिया होता है, तो वह केवल यह नहीं कहता कि "मैंने यहाँ क्लिक किया।" वह एक कहानी लिखता है।
- कड़ियों को जोड़ना: यह उस पथ (एक्सप्लोरेशन ट्रेजेक्टरी) को देखता है जिस पर इसने यात्रा की और उस वास्तविक पथ के आधार पर एक कार्य बनाता है।
- रूपक (Metaphor): कल्पना कीजिए कि आप किसी को केक बनाना सिखा रहे हैं।
- पुराने तरीके शायद कहेंगे, "आटा खरीदें, फिर अंडे खरीदें, फिर बेक करें।" (अलग-थलग चरण)।
- AutoSurfer कहेगा, "पहले, आप गलियारे तक गए, आटा उठाया, चेकआउट तक गए, भुगतान किया, फिर ओवन तक गए..." यह निर्देशों को वास्तविक यात्रा के आधार पर स्थापित करता है, जिससे उन्हें गलत समझना बहुत कठिन हो जाता है।
चरण C: पॉलिश करना (Refinement)
निर्देशों का पहला ड्राफ्ट अव्यवस्थित हो सकता है। शायद रोबोट ने गलती से कोई चक्कर लगाया या बटन को दो बार दबा दिया।
- संपादक (Editor): AutoSurfer अपनी ही यात्रा के "रफ ड्राफ्ट" को एक वेब एजेंट (एक स्मार्ट रोबोट) को देता है और एक संकेत देता है: "यहाँ वह पथ है जो हमने लिया; अब, कृपया इस कार्य को पूरी तरह से करें।"
- परिणाम: एजेंट पथ को साफ करता है, अनावश्यक चरणों को हटाता है, और सुनिश्चित करता है कि निर्देश 100% सटीक हों। यह प्रशिक्षण के लिए एक उच्च-गुणवत्ता वाली "पाठ्यपुस्तक" बनाता है।
3. परिणाम: एक सुपर-स्टूडेंट
AutoSurfer इन साफ, सत्यापित पथों को एक विशिष्ट "वेबसाइट-विशिष्ट LLM" (एक वेबसाइट के लिए समर्पित रोबोट मस्तिष्क) को प्रशिक्षित करने के लिए डेटासेट में बदल देता है।
- परीक्षण: शोधकर्ताओं ने इसका परीक्षण WebArena नामक बेंचमार्क पर किया (एक सिम्युलेटेड इंटरनेट जिसमें Reddit, एक शॉपिंग स्टोर और एक कोड रिपॉजिटरी जैसी साइटें हैं)।
- स्कोर: AutoSurfer द्वारा प्रशिक्षित रोबोट ने 24.23% कार्य सही किए। सबसे अच्छे पिछले तरीके ने केवल 19.59% सही किए।
- विविधता: न केवल यह अधिक सटीक था, बल्कि इसने कार्यों की एक विस्तृत श्रृंखला भी सीखी। इसने केवल आसान चीजें नहीं सीखीं; इसने वेबसाइटों के उन गहरे, जटिल फीचर्स को खोज निकाला जिन्हें अन्य तरीके मिस कर देते थे।
सारांश रूपक
एक वेब एजेंट को प्रशिक्षित करना एक विशाल, भ्रमित करने वाली ऑफिस बिल्डिंग के लिए एक नए कर्मचारी को प्रशिक्षित करने जैसा है।
- पुराने तरीकों ने कर्मचारी को केवल लॉबी मार्क किया हुआ एक नक्शा दिया और कहा कि "ब्रेक रूम ढूंढो।" वे खो गए।
- AutoSurfer एक वरिष्ठ कर्मचारी को हर गलियारे में चलने, हर दरवाजा खोलने, हर अलमारी की जांच करने और वास्तविक यात्रा के आधार पर चरण-दर-चरण मार्गदर्शिका लिखने के लिए भेजता है। फिर वह उस गाइड को नए कर्मचारी को भेज देता है। नया कर्मचारी यह जानकर आता है कि ब्रेक रूम कहाँ है, वहां तक कैसे पहुँचना है, और वहां पहुँचने पर क्या करना है।
पेपर का दावा है कि इस तरह गहन और व्यवस्थित होने के कारण, AutoSurfer बेहतर प्रशिक्षण डेटा बनाता है, जिससे ऐसे वेब एजेंट बनते हैं जो अधिक सटीक होते हैं, गलतियाँ (hallucinations) कम करते हैं, और वेब पर जटिल, बहु-चरणीय कार्यों को संभालने में सक्षम होते हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।