💬 NLP

Mango: Multi-Agent Web Navigation via Global-View Optimization

Il paper presenta Mango, un metodo di navigazione web multi-agente che ottimizza i punti di partenza dinamici tramite un approccio a bandita multi-braccio e memoria episodica, superando significativamente le prestazioni degli agenti esistenti su benchmark come WebVoyager e WebWalkerQA.

Autori originali: Weixi Tong, Yifeng Di, Tianyi Zhang

Pubblicato 2026-04-22

📖 3 min di lettura☕ Lettura da pausa caffè

CC BY 4.0

Autori originali: Weixi Tong, Yifeng Di, Tianyi Zhang

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immagina di dover trovare un oggetto specifico in una biblioteca enorme, ma non hai una mappa e devi iniziare la tua ricerca sempre e solo dall'ingresso principale. Se la biblioteca è piccola, non è un problema. Ma se è grande come il web, con milioni di pagine e corridoi infiniti, iniziare dall'ingresso significa perdere ore a girare per corridoi sbagliati, entrare in stanze vuote e stancarsi prima di trovare ciò che cerchi.

È esattamente il problema che risolve MANGO.

Ecco come funziona, spiegato con parole semplici e qualche metafora:

1. Il Problema: Il "Viaggio alla cieca"

I vecchi assistenti digitali (agenti web) sono come turisti che arrivano in una città sconosciuta e decidono di iniziare a camminare sempre dalla piazza principale (la homepage del sito). Se cercano un ristorante specifico in un quartiere lontano, devono attraversare tutta la città a piedi, perdendo tempo e energie, spesso finendo per girare in tondo o perdersi.

2. La Soluzione MANGO: La "Mappa Intelligente"

MANGO non inizia a camminare alla cieca. Prima di muovere un solo passo, fa due cose intelligenti:

Guarda la mappa dall'alto (Analisi Globale): Invece di entrare subito, MANGO "vola" sopra il sito web. Usa un esploratore veloce per guardare la struttura generale e chiede a un motore di ricerca (come Google) di aiutarlo a trovare le strade più vicine al tuo obiettivo.
Scegli i punti di partenza migliori: Invece di entrare dalla porta principale, MANGO individua 10 "porte secondarie" (URL) che sembrano essere le più vicine a ciò che stai cercando.

3. Il Gioco d'Azzardo Intelligente (Thompson Sampling)

Ora hai 10 porte. Quale scegli? MANGO non indovina a caso. Usa una strategia matematica chiamata Thompson Sampling, che possiamo paragonare a un giocatore d'azzardo esperto.

Immagina di avere 10 slot machine (le 10 porte). Non sai quale pagherà la vincita (trovare la risposta), ma MANGO prova a indovinare:

Prova una porta. Se trovi qualcosa di utile, la "slot machine" diventa più attraente.
Se una porta ti porta in un vicolo cieco, MANGO impara e smette di provarci, spostando le sue risorse sulle altre porte.
Man mano che prova, aggiorna la sua "mappa mentale" per concentrarsi solo sulle strade che funzionano davvero.

4. La Memoria (Il Diario di Viaggio)

MANGO ha una memoria eccezionale. Se prova una strada e fallisce, lo scrive in un diario (memoria episodica).
Se, per caso, deve riprovare quella stessa strada in futuro, legge il diario e dice: "Ehi, l'ultima volta qui ho perso tempo, non ci vado di nuovo!". Questo evita di ripetere gli stessi errori.

5. Il Risultato: Arrivare prima e meglio

Grazie a questo metodo, MANGO è come un viaggiatore che ha una mappa aggiornata, sa quali porte evitare e impara dagli errori.

Nei test: MANGO ha vinto contro i migliori concorrenti attuali.
Su siti complessi: È riuscito a trovare le informazioni con un successo del 63,6% (contro il 56% dei migliori precedenti) e su altri siti difficili ha quasi raddoppiato il successo rispetto agli altri.

In sintesi

MANGO è come avere un cacciatore di tesori che, invece di scavare a caso in tutto il giardino, guarda prima la mappa, sceglie i 10 punti più promettenti e usa la sua esperienza passata per non sprecare tempo. Non è perfetto (a volte la mappa è incompleta o il tesoro è troppo nascosto), ma è di gran lunga più intelligente ed efficiente di chi inizia a scavare dalla porta d'ingresso.

Il messaggio finale: Per navigare nel caos di internet, non serve correre più veloce; serve sapere da dove iniziare.

1. Il Problema

Gli agenti web basati su Large Language Models (LLM) esistenti tendono a iniziare l'esplorazione di un sito web partendo dall'URL radice (homepage). Questo approccio presenta gravi inefficienze per siti complessi con strutture gerarchiche profonde:

Esplorazione inefficiente: Gli agenti devono attraversare l'intera struttura dall'alto verso il basso, sprecando risorse su rami irrilevanti.
Trappole di navigazione: Senza una visione globale, gli agenti rischiano di cadere in cicli o percorsi senza uscita.
Budget limitato: Spesso falliscono nel raggiungere le informazioni target entro il numero massimo di azioni consentito (budget), poiché gran parte del budget viene consumato su pagine intermedie generiche.
Mancanza di contesto globale: I metodi precedenti migliorano il processo decisionale passo-passo ma operano senza una mappatura completa della struttura del sito, limitando la loro capacità di pianificazione a lungo termine.

2. Metodologia: MANGO

MANGO (Multi-Agent Navigation with Global-view Optimization) è un framework che risolve questi problemi costruendo una rappresentazione strutturale globale del sito prima di iniziare la navigazione vera e propria. L'architettura si articola in quattro fasi principali:

A. Analisi della Struttura Globale (Global Structure Analysis)

Prima della navigazione, MANGO costruisce una mappa del sito per identificare punti di ingresso rilevanti per la query dell'utente:

Crawling Leggero: Esegue una ricerca in ampiezza (BFS) limitata per raccogliere URL raggiungibili, filtrando file non HTML e domini esterni.
Arricchimento tramite Ricerca: Poiché il crawling da solo non può coprire siti enormi (es. arXiv), MANGO utilizza un LLM per generare parole chiave dalla query utente e le invia a Google Search (usando l'operatore site:) per recuperare pagine rilevanti non ancora raggiunte dal crawling.
Selezione dei Candidati: Utilizza l'algoritmo BM25 per classificare gli URL in base alla similarità semantica con la query. I top 10 risultati da entrambe le fonti (crawling e ricerca) formano il set di URL candidati $U$ .

B. Selezione e Prioritizzazione degli URL (MAB & Thompson Sampling)

Invece di esplorare tutti i candidati, MANGO modella la selezione degli URL come un problema di Multi-Armed Bandit (MAB) a vita finita:

Braccia (Arms): Ogni URL candidato è una "braccia" con uno stato dinamico (Attivo o Esaurito).
Inizializzazione: Le distribuzioni Beta per il campionamento di Thompson sono inizializzate utilizzando i punteggi di rilevanza BM25.
Selezione: Ad ogni passo, l'agente seleziona l'URL più promettente campionando dalla distribuzione Beta posteriore di ciascun URL attivo.
Aggiornamento: Dopo ogni tentativo di navigazione, i parametri della distribuzione Beta ( $\alpha, \beta$ ) vengono aggiornati in base al successo o fallimento, permettendo un adattamento dinamico.

C. Agente di Navigazione Web

L'agente di navigazione interagisce con il browser partendo dall'URL selezionato.

Memoria Episodica: Se un URL è stato visitato precedentemente, l'agente recupera dalla memoria episodica la traiettoria precedente e la riflessione (feedback) per evitare di ripetere azioni errate.
Budget: L'agente opera entro un budget di azioni limitato ( $b$ ).

D. Agente di Riflessione (Reflection Agent)

Dopo ogni tentativo di navigazione, un agente di riflessione analizza la traiettoria e l'output finale:

Valutazione: Determina se il task è completato correttamente, se è promettente ma necessita di più azioni, o se è un vicolo cieco.
Feedback: Assegna una ricompensa Bernoulliana ( $r \in \{0, 1\}$ ) per aggiornare la distribuzione del Bandit. Se il percorso è promettente ma interrotto dal budget, assegna $r=1$ per mantenere alta la probabilità di riprovare; se è un vicolo cieco, assegna $r=0$ ed esclude l'URL.

3. Contributi Chiave

Visione Globale Pre-Navigazione: Il primo approccio che costruisce attivamente una mappa strutturale del sito (tramite crawling e ricerca ibrida) per identificare punti di ingresso ottimali, evitando l'esplorazione cieca dall'homepage.
Modellazione MAB Dinamica: Formulazione della selezione degli URL come problema Multi-Armed Bandit con vita finita, risolta tramite Thompson Sampling. Questo permette un bilanciamento efficiente tra esplorazione e sfruttamento sotto vincoli di budget.
Memoria Episodica Integrata: Un sistema che memorizza traiettorie e riflessioni per prevenire la ripetizione di errori su URL specifici, trasformando l'agente da stateless ad adattivo.
Validazione su Benchmark Multipli: Dimostrazione dell'efficacia su due benchmark diversi (WebVoyager e WebWalkerQA) e con diversi modelli LLM (open-source e closed-source).

4. Risultati Sperimentali

MANGO è stato valutato su WebVoyager e WebWalkerQA, confrontato con gli stati dell'arte (AgentOccam e WebWalker) utilizzando 5 modelli LLM come backbone (inclusi GPT-5-mini e la famiglia Qwen3).

WebVoyager: Con GPT-5-mini, MANGO ha raggiunto un tasso di successo (SR) del 63,6%, superando il miglior baseline (AgentOccam) del 7,3% assoluto.
WebWalkerQA: MANGO ha ottenuto un SR del 52,5% con GPT-5-mini, superando il miglior baseline del 26,8%.
Robustezza: MANGO ha mostrato miglioramenti consistenti su tutti i modelli backbone e su task di difficoltà variabile (Easy, Medium, Hard), dimostrando una capacità superiore di gestire task multi-sorgente.
Efficienza: Sebbene MANGO utilizzi più azioni (Action Count) con GPT-5-mini, questo è dovuto alla capacità di risolvere task complessi a lungo termine che i baseline abbandonano prematuramente. Con i modelli Qwen3, mantiene un conteggio di azioni competitivo o inferiore.
Ablation Study: Le varianti senza analisi globale (scelta casuale o solo Google) e senza Thompson Sampling (usando MCTS) hanno performance significativamente inferiori, confermando l'importanza di entrambi i componenti.

5. Significato e Impatto

Il lavoro di MANGO rappresenta un cambio di paradigma nella navigazione web autonoma:

Superamento dei limiti di budget: Dimostra che una pianificazione strategica basata su una visione globale è più efficace dell'ottimizzazione puramente locale delle azioni.
Scalabilità: L'approccio ibrido (crawling + ricerca) rende il sistema scalabile anche per siti web massicci dove il crawling completo è impossibile.
Generalizzabilità: La metodologia è indipendente dal modello LLM sottostante, funzionando efficacemente sia con modelli open-source (Qwen) che chiusi (GPT).
Riduzione delle trappole: L'uso della memoria episodica e della riflessione riduce drasticamente la ridondanza e gli errori di ripetizione, un problema comune negli agenti web attuali.

In sintesi, MANGO dimostra che l'integrazione di un'analisi strutturale preliminare e di algoritmi di ottimizzazione stocastica (Thompson Sampling) è fondamentale per rendere gli agenti web autonomi pratici ed efficienti in scenari reali complessi.