論文の概要: HyWe: Unifying Search and Operation for Real-World Hybrid Web Tasks

• arxiv url: http://arxiv.org/abs/2610.16319v2
• Date: Mon, 19 Oct 2026 16:09:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 06:32:45.274599
• Title: HyWe: Unifying Search and Operation for Real-World Hybrid Web Tasks
• Title（参考訳）: HyWe: リアルタイムハイブリッドWebタスクの検索と操作の統合
• Abstract要約: HyWeは、1つのモデルとトラジェクトリの両方の機能を統合するフレームワークです。 タスクプロトタイプ,4つのスイッチングパターン,マルチエージェント合成を利用する完全自動パイプラインであるHyWeCollectorを開発した。 我々はこれらのデモでHyWe-35Bをトレーニングし、単一の35B Webエージェントで効率的な情報収集とブラウザのインタラクションを統合する。
• 参考スコア（独自算出の注目度）: 49.99994542248697
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Real-world hybrid web tasks need both information gathering and page interaction, yet search-based and operation-based agents are developed and evaluated separately. To bridge this gap, we introduce HyWe, a framework that unifies both capabilities within one model and trajectory. Its two modes use dedicated prompts and tool sets to sustain sub-goal execution; explicit switching selects the needed capability, and shared history lets each mode build on the other's findings. To provide demonstrations of these behaviors, we develop HyWeCollector, a fully automatic pipeline that uses task prototypes, four switching patterns, and multi-agent synthesis to produce verified hybrid trajectories. We train HyWe-35B on these demonstrations to unify efficient information gathering and browser interaction in a single 35B web agent. To evaluate hybrid task completion, we introduce HyWeBench: 100 human-written tasks on websites distinct from training, with human-written sub-goal checklists and an outcome-based evaluation pipeline. Hybrid training enables HyWe-35B to achieve 47.0% success on this benchmark, improving on the untrained base model by 19.0 percentage points and outperforming existing search-based and operation-based agents. Even before training, the same base model solves 28.0% of tasks with HyWe, versus 11.0% with all tools under one prompt. Beyond hybrid tasks, HyWe-35B achieves 59.0% and 88.3% success on Online-Mind2Web and WebVoyager, outperforming existing open-source baselines and cutting action cost per successful task by 48.3% and 51.9% compared with Fara-7B.
• Abstract（参考訳）: 実世界のハイブリッドウェブタスクは情報収集とページインタラクションの両方を必要とするが、検索ベースと操作ベースエージェントは別々に開発・評価される。 このギャップを埋めるために、一つのモデルと軌道内の両方の機能を統一するフレームワークであるHyWeを紹介します。 その2つのモードでは、専用のプロンプトとツールセットを使用して、サブゴールの実行を継続している。 これらの動作を実証するために,タスクプロトタイプ,4つのスイッチングパターン,マルチエージェント合成を用いた完全自動パイプラインであるHyWeCollectorを開発した。 我々はこれらのデモでHyWe-35Bをトレーニングし、単一の35B Webエージェントで効率的な情報収集とブラウザのインタラクションを統合する。 我々は,HyWeBenchを紹介した。HyWeBench: トレーニングとは異なるWebサイト上で100の人書きタスクを,人書きサブゴールチェックリストと結果に基づく評価パイプラインで実施する。 ハイブリッドトレーニングにより、HyWe-35Bはこのベンチマークで47.0%の成功を達成し、訓練されていないベースモデルを19.0ポイント改善し、既存のサーチベースおよび運用ベースのエージェントよりも優れた性能を発揮する。 トレーニング前であっても、同じベースモデルはHyWeで28.0%のタスクを解決している。 ハイブリッドタスク以外にも、HyWe-35B は Online-Mind2Web と WebVoyager で 59.0% と 88.3% を達成している。

関連論文リスト

• RoboCoach: World Models as Active Coaches for Compositional Robot Skills [48.28769719382681]
  本稿では,世界モデル誘導型コーチングフレームワークROBOCOACHを紹介する。 想像上の失敗を使って、デモ要求と専門家の更新をガイドする。
  論文  参考訳（メタデータ） (2026-09-30T13:14:30Z)
• Efficient Test-Time Adaptation through Human-AI Interaction [112.5131603022122]
  我々は,ヒト-エージェント間相互作用(TAHI)によるテスト時間適応を提案する。 エージェントを2つの高ユーティリティドメイン(書き込みと視覚的創造)の30人に適応させ、合計600のタスクをこなします。 エージェントは10タスク以内の単独作業の成功率を4.5-20.9%向上させる。
  論文  参考訳（メタデータ） (2026-09-03T17:33:18Z)
• Hybrid-Gym: Training Coding Agents to Generalize Across Tasks [59.95803522351185]
  本稿では,多種多様なタスク間で共有される伝達可能なスキルについて述べる。 本稿では,スケーラブルな合成タスクからなる学習環境であるHybrid-Gymを提案する。 実験により、我々の合成タスクで訓練されたエージェントが、様々な現実世界のタスクを効果的に一般化できることが示されている。
  論文  参考訳（メタデータ） (2026-02-18T19:30:55Z)
• UltraCUA: A Foundation Model for Computer Use Agents with Hybrid Action [77.63125913907771]
  本稿では,GUIプリミティブと高レベルのプログラムツールコールのギャップを埋める基盤モデルであるUltraCUAを提案する。 7Bおよび32Bモデルによる実験は、最先端のエージェントよりも大幅に改善されている。
  論文  参考訳（メタデータ） (2025-10-20T17:48:26Z)
• AWorld: Orchestrating the Training Recipe for Agentic AI [35.94278765364194]
  本稿では,大規模エージェント-環境相互作用のためのオープンソースシステムであるAWorldを紹介する。 タスクをクラスタに分散することで、AWorldは通常の単一ノードのシーケンシャル実行と比較して、エクスペリエンスコレクションを14.6倍高速化する。 GAIAテストセットでパス@1精度32.23%のQwen3-32Bエージェントを訓練した。
  論文  参考訳（メタデータ） (2025-08-28T04:04:30Z)
• Tree Search for Language Model Agents [73.97960454223164]
  対話型Web環境での探索と多段階計画を行うために,LMエージェントの推論時探索アルゴリズムを提案する。 我々のアプローチは、実環境空間内で機能する最優先木探索の一形態である。 現実的なWebタスクにおいて有効性を示すLMエージェントのための最初の木探索アルゴリズムである。
  論文  参考訳（メタデータ） (2024-07-01T17:07:55Z)

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。