Each language version is independently generated for its own context, not a direct translation.
这篇论文介绍了一种名为 M2 的新方法，旨在解决人工智能（AI）代理在浏览复杂网页时遇到的“记性差”和“脑子乱”的问题。
想象一下，你让一个机器人去网上帮你完成一个复杂的任务，比如：“帮我找一下最新款 iMac 的价格，然后看看它支持哪些内置软件，最后把价格告诉我。”
如果这个任务很简单，机器人一步就能搞定。但如果任务很长，需要点击十几个页面、滚动很多次、还要填表单，现在的机器人就会遇到两个大麻烦：
- 记性太满（Context Explosion）： 现在的机器人为了记住刚才做了什么，会把每一张看到的网页截图、每一行文字都原封不动地塞进脑子里。就像你为了记住去超市的路线，把沿途经过的每一个路牌、每一棵树、每一辆车的照片都贴在脑子里。走着走着，脑子就塞满了，不仅反应变慢，还容易把重要的信息（比如“我要买苹果”）淹没在无关紧要的垃圾信息（比如“路边的广告牌”）里。
- 没经验（No Prior Knowledge）： 机器人是“第一次”做这件事，它不知道某些网页有陷阱（比如点错了会跳出广告，或者搜索框没反应要换个词）。它只能盲目地试错，效率很低。
M2 的解决方案：给机器人装上了“双脑记忆系统”
M2 不需要重新训练机器人（不用给它上昂贵的补习班），而是给它装了一个聪明的“双脑”系统：
1. 内部记忆：像写“日记摘要”一样（Internal Memory）
- 传统做法： 机器人每走一步，就把刚才看到的整个网页截图和所有文字都存下来。
- M2 的做法： 机器人每走一步，就强迫自己写一句**“日记摘要”**。
- 比喻： 就像你旅游时，不会把每天拍的一万张照片都带在身上，而是每天睡前写一句：“今天去了长城，爬了北坡，很累但风景很好。”
- 效果： 机器人只保留这些精简的“日记”，把那些几千字的废话和几千像素的截图都扔掉。这样，它的脑子（内存）永远很轻快，能专注于当前的任务，不会因为“记太多”而变傻。
2. 外部记忆：像查“老手攻略”一样（External Memory）
- 传统做法： 机器人遇到新问题，只能自己瞎琢磨。
- M2 的做法： 机器人有一个“老手攻略库”。这个库里存着以前其他聪明的机器人成功完成任务的**“经验心得”**。
- 比喻： 当机器人要去一个陌生的网站时，它先问：“以前有人去过类似的地方吗？有什么坑要避开？”
- 例子： 攻略库里可能会写着：“如果在搜索框搜不到东西，试着把长句子改成短关键词”或者“如果页面卡住了，不要一直点刷新，试试按浏览器的‘后退’键”。
- 效果： 机器人还没开始行动，就已经拿到了“避坑指南”，能直接避开那些常见的错误，像老手一样行动。
这个系统厉害在哪里？
- 省钱又省力： 因为机器人不再需要处理海量的旧截图和文字，它消耗的算力（Token）减少了近 60%。这就好比把一辆满载货物的卡车，变成了一辆轻便的摩托车，跑得更快，油耗更低。
- 更聪明、更准确： 实验证明，用了这套系统的开源模型（比如 Qwen3-VL），其表现甚至超过了那些没有用这套系统、但更昂贵的闭源商业模型（比如 Claude）。
- 数据： 在复杂的网页任务中，成功率提升了 16% 到 19%。
- 不需要“特训”： 最大的优点是，这套方法不需要花几个月时间去训练一个新的 AI 模型。它就像给现有的机器人戴上了一副“智能眼镜”和一本“攻略书”，立刻就能变强。
总结
简单来说，M2 就是给网页浏览机器人装上了两个神器：
- 一个是**“极简日记本”**，帮它把冗长的历史压缩成精华，防止脑子塞爆。
- 一个是**“专家攻略库”**，帮它吸取前人的经验，少走弯路。
这就让机器人从“只会死记硬背的笨学生”，变成了“既记性好又有经验的聪明老手”，能在复杂的互联网世界里高效、准确地完成任务。
在收件箱中获取类似论文
根据您的兴趣定制的每日或每周摘要。Gist或技术摘要，使用您的语言。