論文の概要: Structured Interaction, Visual Localization, and Robust Execution for Complex Web Tasks: A Technical Report on the WebRetriever Challenge
- arxiv url: http://arxiv.org/abs/2609.35904v1
- Date: Mon, 28 Sep 2026 04:02:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-30 21:28:46.88531
- Title: Structured Interaction, Visual Localization, and Robust Execution for Complex Web Tasks: A Technical Report on the WebRetriever Challenge
- Title（参考訳）: 複雑な Web タスクのための構造化インタラクション,視覚的ローカライゼーション,ロバスト実行: WebRetriever チャレンジに関する技術的報告
- Abstract要約: このシステムは、通常のブラウザ操作にセマンティックなWebページ情報を用いて、構造化されたインタラクションの最初の戦略に従う。
グリッドによる視覚的ローカライゼーションによるアクセス難易度制御、冗長なページとインタラクション履歴の削減のための階層的コンテキスト管理、安定したマルチブラウザタスク処理のためのフォールト・アウェア実行機構である。
- 参考スコア（独自算出の注目度）: 16.233658647976082
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This report presents the web agent system developed for the WebRetriever Challenge. The system follows a structuredinteraction- first strategy, using semantic webpage information for routine browser operations and invoking visual perception only when structured representations are insufficient. Three key designs are introduced: grid-assisted visual localization for difficult-to-access controls, hierarchical context management for reducing redundant page and interaction history, and fault-aware execution mechanisms for stable multi-browser task processing. The system achieved a pass rate of up to 79% in local evaluation on Protocol 1. In the official Protocol 3 competition, it achieved a 59% pass rate with eight concurrent browser workers and ranked first overall, winning the WebRetriever Challenge.
- Abstract（参考訳）: 本稿ではWebRetriever Challengeのために開発されたWebエージェントシステムについて述べる。
このシステムは,構造化された表現が不十分な場合にのみ,通常のブラウザ操作にセマンティックなWebページ情報を使用し,視覚的知覚を呼び起こすという,構造化されたインタラクションの第1戦略に従う。
グリッドによる視覚的ローカライゼーションによるアクセス難易度制御、冗長なページとインタラクション履歴の削減のための階層的コンテキスト管理、安定したマルチブラウザタスク処理のためのフォールト・アウェア実行機構である。
このシステムはProtocol 1.1のローカル評価で最高79%のパスレートを達成した。
公式のProtocol 3コンペティションでは、同時ブラウザワーカ8名で59%のパス率を獲得し、WebRetriever Challengeで優勝した。
関連論文リスト
- CAP: A Scalable Benchmark for Evaluating Cross-Site Browser Agents with Complex Actions and Perception [22.620664364045286]
大規模な言語モデルは、ブラウザを介してWebと対話する自律的なエージェントとして、ますます多くデプロイされている。
我々は、クロスサイト、ヒューマンライクなWebタスク上でブラウザエージェントを評価するためのスケーラブルなベンチマークであるCAPを紹介した。
108の現実世界のWebサイトと24のドメインに420のタスクを構築し、注意深く品質管理します。
論文 参考訳（メタデータ） (2026-08-09T01:08:19Z) - WebChallenger: A Reliable and Efficient Generalist Web Agent [3.8083338863305882]
WebChallengerは、モデルスケールではなくアーキテクチャ設計によるギャップに対処するWebエージェントフレームワークである。
WebArenaでは56.3%,VisualWebArenaでは48.7%,オンラインMind2Webでは51.0%,WorkArenaでは70.9%を達成している。
論文 参考訳（メタデータ） (2026-06-09T04:53:19Z) - GTA: Generating Long-Horizon Tasks for Web Agents at Scale [82.43869456830664]
我々は、クローリング、検索ベースのシード、コンテキスト内生成、自動品質管理を統合したスケーラブルなフレームワーク、GTAを導入する。
eコマース、政府、フォーラム、ニュースをカバーする50以上のウェブサイトでパイプラインをインスタンス化し、マルチリンガルとマルチホップをカバーしています。
i) マルチホップWebエージェントタスク生成の形式化、(ii) 自動データ生成のための効率的で検証されたパイプラインの提案、(iii) 再現可能な評価を伴う動的ベンチマークのリリースである。
論文 参考訳（メタデータ） (2026-05-28T01:05:50Z) - WebCompass: Towards Multimodal Web Coding Evaluation for Code Language Models [40.87133775066985]
我々はWebエンジニアリング能力のライフサイクルを統一的に評価するマルチモーダル・ベンチマークであるWebを紹介した。
Webは3つの入力モード(テキスト、画像)と3つのタスクタイプ(生成、編集、修復)にまたがる
評価のために,チェックリストに誘導されたLDM-as-a-Judgeプロトコルを採用し,実際のブラウザで自動生成されたWebサイトを生成するための新しいエージェント-as-a-Judgeパラダイムを提案する。
論文 参考訳（メタデータ） (2026-04-20T13:09:38Z) - WebForge: Breaking the Realism-Reproducibility-Scalability Trilemma in Browser Agent Benchmark [10.793973999774026]
既存のブラウザエージェントベンチマークは、基本的なトリレンマに直面している: リアルタイムWebサイトベンチマークは、コンテンツドリフトによる欠如、コントロールされた環境は、実際のWebノイズを省いてリアリズムを犠牲にする。
私たちは、このトリレンマを解決する最初の完全に自動化されたフレームワークであるWebForgeを紹介します。
7次元の難易度制御フレームワークは、ナビゲーション深度、視覚的複雑さ、推論困難度などに沿ってタスク設計を構成し、単一の集計スコアを超える体系的な能力プロファイルを可能にする。
論文 参考訳（メタデータ） (2026-04-13T04:45:27Z) - WebArbiter: A Principle-Guided Reasoning Process Reward Model for Web Agents [31.554790282560443]
本稿では、報酬モデリングをテキスト生成として定式化するWebPRMであるWebArbiterを紹介する。
WebArbiterは、好みの判断で結論付ける構造化された正当化を生成し、タスク完了に最も寄与するアクションを識別する。
論文 参考訳（メタデータ） (2026-01-29T15:39:50Z) - 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) - BrowserArena: Evaluating LLM Agents on Real-World Web Navigation Tasks [51.803138848305814]
我々はBrowserArenaを紹介した。BrowserArenaは、ユーザから送信されたタスクを収集するオープンソースのエージェント評価プラットフォームである。
Captcha解決、ポップアップバナー削除、URLへのダイレクトナビゲーションの3つの一貫した障害モードを特定します。
本研究は,Webエージェントの多様性と脆性の両方を明らかにする。
論文 参考訳（メタデータ） (2025-10-02T15:22:21Z) - 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。