論文の概要: Improving LLM-based Autonomous Web Agents with Filtering

• arxiv url: http://arxiv.org/abs/2609.27770v1
• Date: Sun, 16 Aug 2026 19:54:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.964001
• Title: Improving LLM-based Autonomous Web Agents with Filtering
• Title（参考訳）: LLMに基づく自動Webエージェントのフィルタリングによる改善
• Abstract要約: 我々は,HTML 要素をタスクに関連付けてランク付けするモデルを開発する。 Mind2Webトラジェクトリデータにそれらを微調整し、WebArenaに転送します。 実験の結果,WebArena上でのLLaMA-2-70Bエージェントの成功率は1.97%から2.96%に向上した。
• 参考スコア（独自算出の注目度）: 9.993146435741325
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Autonomous web agents, powered by Large Language Models (LLMs), have garnered significant attention for automating various web-based tasks with multi-step reasoning and decision-making capabilities. An open research question in the development of these agents lies in the format of the webpage input. Raw HTML source code, with its extensive and often irrelevant details, poses difficulties for LLMs with limited context windows. To address this challenge, we first reproduce baseline models such as GPT-3.5 and LLaMA-2-70B on the WebArena (Zhou et al., 2023) benchmark, identifying common failure modes. We then propose two retrieval strategies to filter out irrelevant context for LLM agents. We develop DeBERTa-based and T5-based models that rank HTML elements by their relevance to the task. We fine-tune them on Mind2Web trajectory data and transfer them to WebArena. Experiments show that our DeBERTa-based model improves the success rate of the LLaMA-2-70B LLM agent on WebArena from 1.97% to 2.96%. Moreover, we develop a zero-shot ColBERT-based retriever that is able to retrieve the ground-truth element with a recall of 0.52 on Mind2Web and 0.47 on WebArena.
• Abstract（参考訳）: LLM(Large Language Models)を利用した自律型Webエージェントは,多段階推論と意思決定機能を備えたWebベースのタスクを自動化する上で,大きな注目を集めている。 これらのエージェントの開発におけるオープンな研究課題は、Webページ入力の形式にある。 生のHTMLソースコードは、広範かつしばしば無関係な詳細を持つが、コンテキストウィンドウが限られているLLMでは困難である。 この課題に対処するため、まずWebArena(Zhou et al , 2023)ベンチマークでGPT-3.5やLLaMA-2-70Bなどのベースラインモデルを再現し、一般的な障害モードを特定した。 次に,LLMエージェントの無関係なコンテキストを抽出する2つの検索手法を提案する。 DeBERTaベースのモデルとT5ベースのモデルを開発し、HTML要素をタスクに関連付けてランク付けする。 Mind2Webトラジェクトリデータにそれらを微調整し、WebArenaに転送します。 実験の結果,WebArena上のLLaMA-2-70B LLMエージェントの成功率が1.97%から2.96%に向上した。 さらに,Mind2Webでは0.52,WebArenaでは0.47のリコールで,ゼロショットのColBERTベースレトリバーを開発する。

関連論文リスト

• MolmoWeb: Open Visual Web Agent and Open Data for the Open Web [60.29597961827816]
  MolmoWebMixはブラウザのタスクとWeb-GUIの知覚データを組み合わせたものだ。 MolmoWeb-8Bは、完全にオープンなマルチモーダルWebエージェントのファミリーである。 我々は、Webエージェントのオープンな研究を可能にするため、モデルチェックポイント、トレーニングデータ、コード、統一された評価ハーネスをリリースする。
  論文  参考訳（メタデータ） (2026-04-09T17:54:02Z)
• Learning to Contextualize Web Pages for Enhanced Decision Making by LLM Agents [89.98593996816186]
  複雑なWebページをより理解しやすい形式にするための言語モデルを学習するためのフレームワークであるLCoWを紹介する。 LCoWは、別々のコンテキスト化モジュールをトレーニングすることで、意思決定からWebページ理解を分離する。 我々の文脈化モジュールは、様々なスケールのLLMエージェントと効果的に統合され、意思決定能力を大幅に向上することを示した。
  論文  参考訳（メタデータ） (2025-03-12T01:33:40Z)
• AgentOccam: A Simple Yet Strong Baseline for LLM-Based Web Agents [52.13695464678006]
  本研究は, 観察空間と行動空間を簡略化することで, LLMベースのWebエージェントを強化する。 AgentOccam は以前の最先端および同時処理を 9.8 (+29.4%) と 5.9 (+15.8%) で上回っている。
  論文  参考訳（メタデータ） (2024-10-17T17:50:38Z)
• 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)
• A Real-World WebAgent with Planning, Long Context Understanding, and Program Synthesis [69.15016747150868]
  本稿では,WebAgentについて紹介する。WebAgentは自己経験から学習し,実際のWebサイト上でタスクを完了させるエージェントである。 WebAgentは、指示を標準のサブ命令に分解し、長いHTMLドキュメントをタスク関連スニペットに要約し、ウェブサイトで作用する計画である。 我々は、我々のモジュラーレシピが実際のWebサイトの成功を50%以上改善し、HTML-T5が様々なHTML理解タスクを解決する最良のモデルであることを実証的に実証した。
  論文  参考訳（メタデータ） (2023-07-24T14:56:30Z)

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。