論文の概要: WebClipper: Efficient Evolution of Web Agents with Graph-based Trajectory Pruning
- arxiv url: http://arxiv.org/abs/2602.12852v1
- Date: Fri, 13 Feb 2026 11:56:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-16 23:37:53.940809
- Title: WebClipper: Efficient Evolution of Web Agents with Graph-based Trajectory Pruning
- Title（参考訳）: WebClipper: グラフベースのトラジェクトリプルーニングによるWebエージェントの効率的な進化
- Authors: Junjie Wang, Zequn Xie, Dan Yang, Jie Feng, Yue Shen, Duolin Sun, Meixiu Long, Yihan Jiao, Zhehao Tan, Jian Wang, Peng Wei, Jinjie Gu,
- Abstract要約: Webエージェントは、周期的推論ループと非生産的ブランチの探索を持つ長いツールコールトラジェクトリに依存している。
グラフベースのプルーニングによりWebエージェントのトラジェクトリを圧縮するフレームワークであるWebClipperを提案する。
精度と効率のバランスをとる上で、モデル全体の性能を測定するために、F-AEスコアと呼ばれる新しい指標を導入する。
- 参考スコア（独自算出の注目度）: 25.920409811750105
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Deep Research systems based on web agents have shown strong potential in solving complex information-seeking tasks, yet their search efficiency remains underexplored. We observe that many state-of-the-art open-source web agents rely on long tool-call trajectories with cyclic reasoning loops and exploration of unproductive branches. To address this, we propose WebClipper, a framework that compresses web agent trajectories via graph-based pruning. Concretely, we model the agent's search process as a state graph and cast trajectory optimization as a minimum-necessary Directed Acyclic Graph (DAG) mining problem, yielding pruned trajectories that preserve essential reasoning while eliminating redundant steps. Continued training on these refined trajectories enables the agent to evolve toward more efficient search patterns and reduces tool-call rounds by about 20% while improving accuracy. Furthermore, we introduce a new metric called F-AE Score to measure the model's overall performance in balancing accuracy and efficiency. Experiments demonstrate that WebClipper compresses tool-call rounds under excellent performance, providing practical insight into balancing effectiveness and efficiency in web agent design.
- Abstract（参考訳）: Webエージェントに基づくディープリサーチシステムは、複雑な情報探索タスクの解決に強い可能性を示しているが、その探索効率は未探索のままである。
我々は,現在最先端のオープンソースWebエージェントの多くが,周期的推論ループと非生産的ブランチの探索を伴う長いツールコールトラジェクトリに依存していることを観察した。
そこで本研究では,Webエージェントのトラジェクトリをグラフベースプルーニングにより圧縮するフレームワークであるWebClipperを提案する。
具体的には, エージェントの探索過程を状態グラフとしてモデル化し, キャスト軌道最適化を最小限の誘導非巡回グラフ(DAG)マイニング問題とし, 冗長ステップを排除しながら本質的な推論を保ちつつ, プルーンド軌道を導出する。
これらの改良された軌道の継続的な訓練により、エージェントはより効率的な探索パターンへと進化し、精度を向上しながらツールコールラウンドを約20%削減できる。
さらに、F-AEスコアと呼ばれる新しい指標を導入し、精度と効率のバランスをとる際のモデル全体の性能を計測する。
実験により、WebClipperは優れたパフォーマンスでツールコールラウンドを圧縮し、Webエージェント設計における効率と効率のバランスに関する実践的な洞察を提供する。
関連論文リスト
- WebLeaper: Empowering Efficiency and Efficacy in WebAgent via Enabling Info-Rich Seeking [60.35109192765302]
情報検索は、自律的な推論と意思決定を可能にする中核的な能力である。
我々は、高カバレッジなISタスクを構築し、効率的なソリューショントラジェクトリを生成するためのフレームワークであるWebLeaperを提案する。
本手法は,強いベースラインに対する有効性と効率性の向上を継続的に達成する。
論文 参考訳（メタデータ） (2025-10-28T17:51:42Z) - WebGraphEval: Multi-Turn Trajectory Evaluation for Web Agents using Graph Representation [13.14840279219976]
WebGraphEvalは、複数のエージェントからのトラジェクトリを統一された重み付けされたアクショングラフに抽象化するフレームワークである。
我々は、WebGraphEvalが、モデル間の規則性をキャプチャし、冗長性と非効率性を強調し、結果に基づくメトリクスによって見落とされた決定ポイントを特定する。
論文 参考訳（メタデータ） (2025-10-22T03:29:25Z) - Branch-and-Browse: Efficient and Controllable Web Exploration with Tree-Structured Reasoning and Action Memory [69.49061918994882]
Branch-and-Browseは構造化推論処理、コンテキスト記憶、効率的な実行を統一する、きめ細かいWebエージェントフレームワークである。
WebArenaベンチマークでは、Branch-and-Browseはタスク成功率35.8%を達成し、最先端の手法と比較して実行時間を最大40.4%削減している。
論文 参考訳（メタデータ） (2025-10-18T00:45:37Z) - TGPO: Tree-Guided Preference Optimization for Robust Web Agent Reinforcement Learning [4.456860697635325]
強化学習による Web エージェントのトレーニングには,クレジット割り当ての誤り,アノテーションコストの禁止,パースペリティの報奨など,重要な課題が伴う。
我々のフレームワークにはプロセス・リワード・モデルが組み込まれており、サブゴールの進行、冗長性の検出、行動検証を通じて、細かな報酬を自動的に生成する。
Online-Mind2Webと我々の自己構築したC-WebShopデータセットの実験は、TGPOが既存の手法よりも大幅に優れていることを示した。
論文 参考訳（メタデータ） (2025-09-17T16:58:44Z) - WebSailor: Navigating Super-human Reasoning for Web Agent [72.5231321118689]
WebSailorは、この重要な機能を組み込むように設計された、完全なポストトレーニング方法論である。
我々のアプローチは、構造化サンプリングと情報難読化によって、新しい、不確実なタスクを生成することである。
WebSailorは複雑な情報検索タスクにおいて、すべてのオープンソースエージェントを著しく上回っている。
論文 参考訳（メタデータ） (2025-07-03T12:59:07Z) - WebCoT: Enhancing Web Agent Reasoning by Reconstructing Chain-of-Thought in Reflection, Branching, and Rollback [78.55946306325914]
有効なWebエージェントに必要な重要な推論スキルを同定する。
我々はエージェントの推論アルゴリズムを連鎖論理に再構成する。
このアプローチは、複数のベンチマークで大幅に改善される。
論文 参考訳（メタデータ） (2025-05-26T14:03:37Z) - WebRollback: Enhancing Web Agents with Explicit Rollback Mechanisms [52.942566473658054]
我々は、明示的なロールバック機構でWebエージェントを強化し、エージェントがナビゲーションの軌跡の前の状態に戻れるようにした。
このメカニズムは、モデルに検索プロセスを直接制御する柔軟性を与え、効果的で効率的なWebナビゲーション方法をもたらす。
論文 参考訳（メタデータ） (2025-04-16T05:41:20Z)
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。