WebXSkill: Skill Learning for Autonomous Web Agents

Het paper introduceert WebXSkill, een kader dat de kloof tussen uitvoerbare code en natuurlijke taal overbrugt door uitvoerbare vaardigheden te combineren met stap-voor-stap instructies, waardoor autonome webagenten hun prestaties bij complexe browsertaken aanzienlijk verbeteren.

De kern

WEBXSKILL: De "Receptenboek" voor Slimme Web-Assistenten

Stel je voor dat je een zeer slimme, maar nogal onervaren assistent hebt die voor je op internet moet werken. Hij kan lezen, schrijven en klikken, maar hij heeft een groot probleem: hij vergeet alles wat hij heeft geleerd.

Als hij vandaag een complexe taak moet doen, zoals "een goedkope laptop vinden, in je winkelmandje doen en afrekenen", moet hij elke stap opnieuw bedenken. Als hij morgen dezelfde taak moet doen, begint hij weer helemaal vanaf nul. Hij is als een kok die elke keer opnieuw moet uitvinden hoe je een ei moet bakken, zelfs als hij dat gisteren al tien keer heeft gedaan.

Dit is het probleem dat WEBXSKILL oplost. Hier is hoe het werkt, vertaald naar alledaagse taal:

1. Het Probleem: De "Vertaal-Gap"

Tot nu toe hadden web-assistenten twee opties, maar beide hadden een nadeel:

• Optie A (De tekstuele instructie): "Ga naar de zoekbalk, typ 'laptop' en druk op enter."
  • Nadeel: De assistent moet dit zelf vertalen naar echte muisklikken. Soms begrijpt hij het niet goed of maakt hij een fout bij het vertalen.
• Optie B (De computercode): Een script dat direct de knoppen indrukt.
  • Nadeel: Dit werkt snel, maar het is een "zwarte doos". Als het misgaat (bijvoorbeeld omdat de website anders eruitziet), weet de assistent niet waarom het misging en kan hij niet zelf bijsturen. Hij blijft steken.

2. De Oplossing: WEBXSKILL (Het Receptenboek)

WEBXSKILL introduceert iets nieuws: Uitvoerbare Vaardigheden. Denk hierbij niet aan een strak computerprogramma, maar aan een recept met een duidelijke uitleg.

Elke "vaardigheid" heeft twee delen:

1. Het Actie-Deel: Een lijstje met exacte stappen die de computer kan uitvoeren (klik hier, typ daar).
2. Het Verklarende Deel: Een menselijke uitleg bij elke stap, zoals: "Klik nu op de zoekbalk, want daar moeten we de naam van het product invoeren."

Dit maakt de vaardigheid zowel uitvoerbaar (de computer kan het doen) als begrijpelijk (de assistent weet wat er gebeurt en waarom).

3. Hoe werkt het? (De Drie Stappen)

Stap 1: Het Receptenboek Schrijven (Skill Extraction)
In plaats van dat de assistent zelf urenlang door websites moet zwerven om te leren, pikt WEBXSKILL de beste routes die al zijn gemaakt door andere slimme robots. Het bekijkt deze routes, haalt de herhaalde stukken eruit (zoals "product zoeken" of "in winkelmandje doen") en schrijft daar een nieuw, duidelijk recept voor. Het is alsof je duizenden kookvideo's bekijkt en er één perfect recept voor "Spaghetti Bolognese" van maakt.

Stap 2: De Keuken Schikken (Skill Organization)
Je kunt niet alle recepten door elkaar gooien. Je hebt een systeem nodig. WEBXSKILL maakt een kaart van de website.

• Ben je op de "Zoekpagina"? Dan haalt het systeem alleen de recepten op die relevant zijn voor zoeken.
• Ben je op de "Betaalpagina"? Dan haalt het alleen de betaal-recepten op.
  Dit zorgt ervoor dat de assistent niet overladen wordt met informatie die hij nu niet nodig heeft.

Stap 3: De Keuze in de Keuken (Skill Deployment)
Dit is het slimste deel. WEBXSKILL heeft twee manieren om een recept te gebruiken, afhankelijk van hoe goed de assistent is:

• De "Automatische Keuken" (Grounded Mode):
  De assistent zegt: "Ik wil een pizza maken." De robot draait de draai en doet alles zelf: deeg rollen, saus smeren, kaas strooien.
  • Wanneer? Als de assistent heel slim en betrouwbaar is. Dit is supersnel.
• De "Gids-Keuken" (Guided Mode):
  De assistent zegt: "Ik wil een pizza maken." De robot geeft hem het recept: "Eerst het deeg rollen...". De assistent doet de stappen zelf, maar heeft het recept als leidraad.
  • Wanneer? Als de assistent wat minder ervaren is of als de situatie onverwacht verandert (bijvoorbeeld: de oven is kapot). Omdat de assistent zelf de stappen doet, kan hij improviseren: "Oh, de oven is kapot, ik gebruik de magnetron." Als hij een volledig automatisch script had gebruikt, was hij vastgelopen.

Waarom is dit belangrijk?

In tests op echte websites (zoals een online winkel of een forum) bleek dat assistenten met WEBXSKILL veel minder fouten maakten en veel meer taken succesvol afrondden.

• Ze werden sneller (door de automatische modus).
• Ze werden slimmer (door de gids-modus, waardoor ze zich konden aanpassen als dingen niet zoals gepland verliepen).

Kortom: WEBXSKILL geeft web-assistenten niet alleen een lijstje met instructies, maar een slim receptenboek dat ze zowel zelf kunnen uitvoeren als als leidraad kunnen gebruiken. Het maakt ze minder kwetsbaar voor fouten en veel beter in het aanleren van nieuwe taken, zonder dat ze elke keer opnieuw hoeven te beginnen.

Technische samenvatting

Probleemstelling

Autonome webagenten, aangedreven door Large Language Models (LLM's), tonen veelbelovende resultaten bij het voltooien van complexe browsertaken. Echter, ze worstelen nog steeds met lange-horizon workflows (langdurige, multi-stap taken). Een fundamentele bottleneck is de grounding gap (koppingskloof) in bestaande vaardigheidsformuleringen:

1. Tekstuele workflows: Bieden natuurlijke taalrichtlijnen (bijv. "zoek een product, voeg toe aan winkelmand"), maar kunnen niet direct worden uitgevoerd. De agent moet elke instructie zelf vertalen naar concrete browseracties, wat leidt tot fouten bij het "grounden" (koppelen van tekst aan UI-elementen).
2. Code-gebaseerde vaardigheden: Zijn uitvoerbaar (bijv. Python-scripts), maar fungeren als "black boxes". Ze bieden geen stap-voor-stap inzicht voor de agent, waardoor deze niet kan begrijpen, aanpassen of herstellen wanneer een uitvoering halverwege faalt.

Het gebrek aan herbruikbare, uitvoerbare kennis met stap-voor-stap uitleg zorgt ervoor dat agenten bij terugkerende taken steeds opnieuw vanaf nul moeten plannen, wat inefficiënt is en de kans op hallucinaties vergroot.

Methodologie: WEBXSKILL

WEBXSKILL is een framework dat deze kloof overbrugt door uitvoerbare vaardigheden (executable skills) te introduceren. Elke vaardigheid koppelt een geparametriseerd actieprogramma aan stap-voor-stap natuurlijke taalrichtlijnen. Dit maakt de vaardigheid zowel direct uitvoerbaar door de runtime als interpreteerbaar voor de agent.

Het framework werkt in drie fasen:

1. Vaardigheidsextractie (Skill Extraction):

   • Bron: In plaats van dure autonome verkenning, worden vaardigheden gedestilleerd uit synthetische agenttrajecten (gegenereerd door tools zoals SynthAgent).
   • Abstrahering: Een LLM analyseert deze trajecten om herbruikbare actie-subsequenties te identificeren (bijv. "product zoeken").
   • Parametrizatie: Concrete waarden worden vervangen door typed parameters (bijv. query: str).
   • Documentatie: Elke stap krijgt natuurlijke taalrichtlijnen die het doel en de redenering uitleggen.
   • Cursatie: Een online deduplicatiestrategie en validatie in een testomgeving zorgen voor een compacte, foutloze bibliotheek.

2. Vaardigheidsorganisatie (Skill Organization):

   • Vaardigheden worden georganiseerd in een URL-gebaseerde vaardigheidsgrafiek (skill graph).
   • Nodes vertegenwoordigen gegeneraliseerde URL-patronen (bijv. shopping/catalogsearch/*).
   • Dit zorgt voor contextbewuste ophaaling: alleen vaardigheden die relevant zijn voor de huidige pagina worden geselecteerd, wat ruis reduceert.

3. Vaardigheidsimplementatie (Skill Deployment):
   Het framework ondersteunt twee complementaire modi, afhankelijk van de taak en het model:

   • Grounded Mode (Gegrond): De agent roept een vaardigheid aan als een tool. De runtime voert de volledige reeks browseracties automatisch uit. Dit maximaliseert de efficiëntie. De natuurlijke taalrichtlijnen blijven zichtbaar als hulpmiddel voor planning.
   • Guided Mode (Gestuurd): Vaardigheden worden gepresenteerd als stap-voor-stap instructies. De agent voert de acties zelf uit op basis van deze gids. Dit behoudt de autonomie van de agent om aan te passen als de pagina-toestand afwijkt van wat de vaardigheid verwacht (bijv. bij layout-wijzigingen).

Belangrijkste Bijdragen

• Concept van Uitvoerbare Vaardigheden: Een nieuwe representatie die tekstuele workflows en code-gebaseerde scripts combineert, waardoor zowel uitvoerbaarheid als interpretatie mogelijk is.
• Het WEBXSKILL Framework: Een drie-traps pipeline voor extractie, organisatie en implementatie die gebruikmaakt van goedkope synthetische data in plaats van risicovolle autonome verkenning.
• Dual Deployment Paradigma: Een adaptieve strategie die kan schakelen tussen geautomatiseerde uitvoering (voor sterke modellen) en geleide uitvoering (voor robuustheid bij zwakkere modellen).
• Contextbewuste Ophaaling: Een URL-gebaseerde grafiekstructuur die zorgt voor snelle en relevante vaardigheidsselectie.

Resultaten

Het framework is geëvalueerd op twee benchmarks: WebArena (gesimuleerde websites) en WebVoyager (echte websites).

• Prestatieverbetering:
  • Op WebArena verbeterde WEBXSKILL het slagingspercentage met 9,8 punten (voor GPT-5) en 12,9 punten (voor Qwen-3.5) ten opzichte van de baselines.
  • Op WebVoyager bereikte de grounded mode een slagingspercentage van 86,1%, een verbetering van 14,2 punten ten opzichte van de standaard agent.
• Modelafhankelijkheid:
  • Sterke modellen (GPT-5): Profiteerden het meest van de Grounded Mode (hogere efficiëntie).
  • Zwakker/moderaten modellen (Qwen): Presteerden beter in de Guided Mode, omdat de stap-voor-stap richtlijnen hen hielpen fouten te herstellen en aan te passen.
• Efficiëntie: De grounded mode verlaagde het aantal benodigde stappen aanzienlijk (gemiddeld 9,3 stappen vs. 10,4 bij de baseline) en verdubbelde het gebruik van vaardigheden ten opzichte van eerdere methoden zoals SkillWeaver en WALT.
• Transferabiliteit: Guided mode bleek effectief voor cross-environment transfer; vaardigheden getraind op WebArena konden succesvol worden toegepast op WebVoyager, omdat de agent de instructies kon aanpassen aan nieuwe interfaces.

Betekenis en Conclusie

WEBXSKILL biedt een praktische oplossing voor het probleem van "brittle" (kwetsbare) webagenten in lange workflows. Door de groundingskloof te dichten, stelt het agenten in staat om procedurele kennis effectief te hergebruiken.

De belangrijkste inzichten zijn:

1. Uitvoerbaarheid zonder inzicht is onvoldoende: Zonder stap-voor-stap uitleg kunnen agenten niet herstellen bij fouten.
2. Adaptiviteit is cruciaal: De keuze tussen geautomatiseerde en geleide uitvoering moet gebaseerd zijn op de capaciteiten van het onderliggende model.
3. Synthetische data is effectief: Vaardigheden kunnen veilig en efficiënt worden geëxtraheerd uit synthetische trajecten zonder dat er testdata lekkt of dure verkenning nodig is.

Dit werk legt een fundament voor de volgende generatie webagenten die niet alleen kunnen plannen, maar ook beschikken over een robuust, herbruikbaar en interpreteerbaar repertoire aan vaardigheden voor complexe interacties op het web.