論文の概要: Infogent: An Agent-Based Framework for Web Information Aggregation

• arxiv url: http://arxiv.org/abs/2410.19054v1
• Date: Thu, 24 Oct 2024 18:01:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-28 13:38:01.200163
• Title: Infogent: An Agent-Based Framework for Web Information Aggregation
• Title（参考訳）: Infogent: Web情報集約のためのエージェントベースのフレームワーク
• Authors: Revanth Gangi Reddy, Sagnik Mukherjee, Jeonghwan Kim, Zhenhailong Wang, Dilek Hakkani-Tur, Heng Ji,
• Abstract要約: 我々はWeb情報集約のための新しいフレームワークInfogentを紹介する。 異なる情報アクセス設定の実験では、Infogentが既存のSOTAマルチエージェント検索フレームワークを7%上回った。
• 参考スコア（独自算出の注目度）: 59.67710556177564
• License:
• Abstract: Despite seemingly performant web agents on the task-completion benchmarks, most existing methods evaluate the agents based on a presupposition: the web navigation task consists of linear sequence of actions with an end state that marks task completion. In contrast, our work focuses on web navigation for information aggregation, wherein the agent must explore different websites to gather information for a complex query. We consider web information aggregation from two different perspectives: (i) Direct API-driven Access relies on a text-only view of the Web, leveraging external tools such as Google Search API to navigate the web and a scraper to extract website contents. (ii) Interactive Visual Access uses screenshots of the webpages and requires interaction with the browser to navigate and access information. Motivated by these diverse information access settings, we introduce Infogent, a novel modular framework for web information aggregation involving three distinct components: Navigator, Extractor and Aggregator. Experiments on different information access settings demonstrate Infogent beats an existing SOTA multi-agent search framework by 7% under Direct API-Driven Access on FRAMES, and improves over an existing information-seeking web agent by 4.3% under Interactive Visual Access on AssistantBench.
• Abstract（参考訳）: タスク補完ベンチマークでパフォーマンスのよいWebエージェントのように見えるが、既存のほとんどのメソッドは、前置詞に基づいてエージェントを評価する: Webナビゲーションタスクは、タスク完了を示す終状態の線形なアクションシーケンスで構成されている。 対照的に、我々の研究は情報集約のためのWebナビゲーションに焦点を当てており、エージェントは複雑なクエリの情報を収集するために異なるウェブサイトを探索する必要がある。 我々は2つの異なる視点からWeb情報の集約を考える。 (i)直接API駆動アクセスは、Webのテキストのみのビューに依存し、WebをナビゲートするGoogle Search APIやWebサイトコンテンツを抽出するスクレイパーといった外部ツールを活用する。 (ii)Interactive Visual AccessはWebページのスクリーンショットを使用し、情報をナビゲートしアクセスするためにブラウザと対話する必要がある。 これらの多様な情報アクセス設定によって動機づけられたInfogentは、ナビゲータ、エクストラクタ、アグリゲータの3つの異なるコンポーネントを含む、Web情報集約のための新しいモジュラーフレームワークである。 異なる情報アクセス設定の実験では、Infogentが既存のSOTAマルチエージェント検索フレームワークをFRAMESのAPI駆動アクセスで7%上回り、Interactive Visual Access on AssistantBenchで既存の情報検索Webエージェントを4.3%上回っている。

関連論文リスト

• Auto-Intent: Automated Intent Discovery and Self-Exploration for Large Language Model Web Agents [68.22496852535937]
  本稿では,事前訓練された大規模言語モデル(LLM)を,直接微調整なしで対象ドメインのエージェントとして適用する手法であるAuto-Intentを紹介する。 提案手法はまず,対象領域の実証から意図を教師なしで発見する。 我々は、エージェントの過去の観察と行動から次の意図を予測するために、意図予測器を訓練する。
  論文  参考訳（メタデータ） (2024-10-29T21:37:04Z)
• Beyond Browsing: API-Based Web Agents [58.39129004543844]
  APIベースのエージェントはWebArenaの実験でWebブラウジングエージェントを上回っている。 ハイブリッドエージェント(Hybrid Agents)は、タスク全体にわたって、ほぼ均一にパフォーマンスを向上する。 結果から,APIが利用可能であれば,Webブラウジングのみに依存するという,魅力的な代替手段が提示されることが強く示唆された。
  論文  参考訳（メタデータ） (2024-10-21T19:46:06Z)
• NaviQAte: Functionality-Guided Web Application Navigation [6.0759036120654315]
  NaviQAteは、Webアプリケーションの探索を質問と回答のタスクとして捉え、詳細なパラメータを必要とせずに機能のためのアクションシーケンスを生成する。 我々の3段階のアプローチでは、GPT-4oのような先進的な言語モデルを用いて複雑な意思決定を行い、GPT-4o miniのようなコスト効率のよいモデルを用いる。
  論文  参考訳（メタデータ） (2024-09-16T21:18:39Z)
• WebQuest: A Benchmark for Multimodal QA on Web Page Sequences [10.008284460456107]
  WebQuestは、複数のWebページにわたる推論を必要とする、複数ページの質問回答データセットである。 本データセットは,多くのWebページから情報抽出,マルチモーダル検索,および情報の合成を評価する。 我々は、GPT-4V、Gemini Flash、Claude 3、InstructBLIP、PaliGemmaなどのオープンソースモデルなど、主要なプロプライエタリなマルチモーダルモデルを評価します。
  論文  参考訳（メタデータ） (2024-09-06T18:44:25Z)
• Mobile-Agent-v2: Mobile Device Operation Assistant with Effective Navigation via Multi-Agent Collaboration [52.25473993987409]
  モバイルデバイス操作支援のためのマルチエージェントアーキテクチャであるMobile-Agent-v2を提案する。 アーキテクチャは、計画エージェント、決定エージェント、反射エージェントの3つのエージェントから構成される。 単一エージェントアーキテクチャと比較して,Mobile-Agent-v2ではタスク完了率が30%以上向上していることを示す。
  論文  参考訳（メタデータ） (2024-06-03T05:50:00Z)
• AutoWebGLM: A Large Language Model-based Web Navigating Agent [33.55199326570078]
  オープンなAutoWebGLMをChatGLM3-6Bに基づいて開発する。 人間のブラウジングパターンにインスパイアされた我々は、まず、Webページを表現するためのHTML単純化アルゴリズムを設計する。 次に,カリキュラム学習のためのWebブラウジングデータを構築するために,ハイブリッドなヒューマンAI手法を用いる。
  論文  参考訳（メタデータ） (2024-04-04T17:58:40Z)
• Dual-View Visual Contextualization for Web Navigation [36.41910428196889]
  本稿では,HTML 要素を Web ページのスクリーンショットの "デュアルビュー" を通じてコンテキスト化することを提案する。 Web開発者は、ユーザエクスペリエンスを向上させるために、Webページの近くにタスク関連の要素を配置する傾向があります。 結果として生じるHTML要素の表現は、エージェントがアクションを取るためのより情報的です。
  論文  参考訳（メタデータ） (2024-02-06T23:52:10Z)
• Graph Enhanced BERT for Query Understanding [55.90334539898102]
  クエリ理解は、ユーザの検索意図を探索し、ユーザが最も望まれる情報を発見できるようにする上で、重要な役割を果たす。 近年、プレトレーニング言語モデル (PLM) は様々な自然言語処理タスクを進歩させてきた。 本稿では,クエリコンテンツとクエリグラフの両方を活用可能な,グラフ強化事前学習フレームワークGE-BERTを提案する。
  論文  参考訳（メタデータ） (2022-04-03T16:50:30Z)
• A Graph Representation of Semi-structured Data for Web Question Answering [96.46484690047491]
  本稿では、半構造化データとそれらの関係の構成要素の体系的分類に基づいて、Webテーブルとリストのグラフ表現を提案する。 本手法は,最先端のベースラインに対してF1スコアを3.90ポイント向上させる。
  論文  参考訳（メタデータ） (2020-10-14T04:01:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。