论文提出兼顾多成本与失败风险的Web Agent约束RL模型

Qianli Ma 等论文作者提出一种面向 Web Agent 的约束型智能体强化学习模型，将页面访问、搜索请求和外部 API 调用统一为带成本的长期决策框架，用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。 据论文摘要，实验覆盖 30–70 个站点/页面模板和 800–1500 个端到端网络任务，包括信息抽取、价格比较、表单提交和跨页导航，并与无约束 RL、预算约束 RL 和规则/脚本型 Web Agent 基线比较任务完成率、单次成功成本（C-PS）、失败率和策略稳定性。作者称在同等完成率下，该方法将 C-PS 降低 22%–31%，在高失败惩罚下失败率降低 18%–26%。 以上结果为作者声称，基于论文摘要，尚无独立验证。

AI 根据报道生成 · 2 天前更新