arXiv · cs.AI· Jiangang Han·· 1 天前
WebFovea：在WebRetriever Challenge 2026中以57.0分构建可靠往返的实时网站视觉智能体
WebFovea: When the Model Is Right but the Click Is Wrong -- Reliable Round Trips for Vision-Based Web Agents on Live Websites
arXiv:2610.03036v2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：Jiangang Han
首次提交：2026-10-02 17:18
研究任务与主要进展
WebFovea是一款视觉Web智能体，在WebRetriever Challenge 2026中获第2名，最终得分为57.0/100。它针对实时网站交互链中的四类故障进行加固：坐标空间错位、原生下拉菜单和iframe及文本框操作静默失败，以及自生成对话模板令牌污染，后者影响了4.9%的任务回合。
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