arXiv · cs.AI· Qianli Ma, Limengxi Yue, Shuyang Xu, Yanpei Shi, Hongrui Liu·· 2 天前
论文提出兼顾多成本与失败风险的 Web Agent 智能体强化学习模型
Web Agent Agentic Reinforcement Learning Decision Model Under Multi-Cost and Failure Risk
arXiv:2610.23857v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Qianli Ma, Limengxi Yue, Shuyang Xu, Yanpei Shi, Hongrui Liu
期刊信息（来源提供）：Proceedings of the 5th International Conference on Big Data, Information and Computer Network (BDICN 2026), ACM International Conference Proceedings Series (ICPS), 2026
研究任务与主要进展
基于论文摘要，作者提出一种面向 Web Agent 的约束型智能体强化学习模型，通过拉格朗日对偶更新控制成本预算，并用 CVaR 风险项抑制高失败概率路径的过度探索。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org