BrowserForge: Scaling Web Episode via Parallel Browser Sandboxes
BrowserForge 是一个通过在开放网络上运行并行浏览器沙箱来扩展高质量 Web 交互数据的框架，从而创建了一个包含 203,238 条轨迹的多样化语料库，这显著提升了基于像素的 Web 智能体在实时和静态基准测试中的性能。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一个旨在帮助你在互联网上导航的计算机程序，它就像一个数字助手，可以为你点击按钮、输入文本并滚动页面以完成任务。为了让这些程序学会如何做到这一点，它们需要在真实的网站上进行练习，观察人类是如何从起点移动到终点的。直到目前为止，用于教导这些程序的数据一直非常有限。大多数训练集都是通过记录人类在少量固定的热门网站上的行为，或者基于一小组狭窄教程生成的虚拟场景而构建的。这意味着这些程序只能学会导航互联网中极小的一部分，当它们遇到新的或陌生的网站时，就会表现得力不从心。它们就像是那些只读过一本教科书的学生；当拿到另一本书时，它们就不知道如何阅读了。
一组研究人员现在构建了一个名为 BrowserForge 的系统来解决这个问题。他们没有依赖于一小部分预选的网站列表，而是将整个开放互联网变成了训练场。他们创建了一个由数百台虚拟计算机组成的庞大网络，每台计算机都运行着一个独立的网络浏览器。这些浏览器被派往访问公开网络上发现的数十万个不同的真实网站。该系统不仅是访问这些页面，它还尝试在这些页面上执行任务。第一个人工智能代理观察页面并发明一个合理的任务，例如寻找特定文章或检查价格。第二个代理随后尝试通过点击和输入来完成该任务，并记录下它所做的每一个动作。如果任务成功完成，那么这些动作的记录就会被保存为一个教训。如果代理卡住了或失败了，那次尝试就会被丢弃。这个过程反复进行，生成了超过 20 万个独特的学习示例，每一个都源自一个完全不同的网站。
研究人员发现，这种方法产生的数据集比以往任何可用的数据集都要庞大且多样化。虽然旧的数据集仅包含来自几百个网站的几千个示例，但这个新集合覆盖了近 20 万个不同的网站。当他们使用这些新数据来训练一个紧凑、高效的计算机模型时，结果是立竿见影且显著的。该模型在真实网站上成功完成任务的能力从大约 25% 跳升到了 33% 以上。这种提升不仅仅是一个微小的增长；它让一个相对较小的模型能够超越那些使用旧的、更狭窄的数据进行训练的更大、更复杂的系统。研究表明，改进的关键不在于如何教导模型的某种新技巧，而仅仅在于它所见过的网站的极高多样性。通过让系统接触开放网络中混乱、不可预测的现实，研究人员教会了它更强的适应能力。
这一方法的成功依赖于一个精细的清洗过程。因为系统是在没有人类监督的情况下生成任务并尝试执行任务，所以许多尝试失败了或者产生了杂乱的记录。研究人员构建了一个过滤器来剔除这些不良示例。他们首先使用简单的规则来丢弃那些明显出错的尝试，例如从未完成任务的尝试。然后，他们使用另一个智能系统来审查剩余的尝试，并确认任务是否真正完成了。最后，他们将成功的尝试重写为一种清晰、一致的格式，以便学习模型能够理解动作背后的逻辑。这确保了模型是从高质量的示例而非噪声中学习。研究证实，网站的多样性是成功的核心驱动力。当研究人员在不同类型的网站和任务上测试该模型时，这种提升保持稳定，这表明模型真正学习到了通用的技能，而不仅仅是记住了特定的页面。
这项工作表明，教计算机导航网页的最佳方式是让它亲自探索网络。通过自动化访问真实网站并尝试真实任务的过程，研究人员创建了一个镜像了互联网真实复杂性的训练集。其结果是一个更强大、更可靠的数字助手，它能够处理现今数百万个网站中存在的各种意外布局和独特特征。研究结果表明，随着这种开放网络数据的增加，这些代理的表现将持续提升，使它们离实现真正的通用网络助手的目标更近一步。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。