新框架通过树状推理提升LLM网络代理效率

研究人员推出 Branch-and-Browse，一个旨在增强大型语言模型（LLM）驱动的网络代理能力的新框架。该框架通过采用多分支推理的树状探索方法并整合上下文记忆，解决了当前方法在推理深度和效率方面的局限性。Branch-and-Browse 还具备高效的网络状态回放和页面动作记忆功能，可在会话间共享已探索的动作，从而在基准测试中提高性能。 AI

影响 增强了LLM网络代理在复杂任务中的效率和可控性。

排序理由 该集群包含一篇学术论文，详细介绍了基于LLM的网络代理的新框架，包括在基准测试上的性能指标。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• Branch-and-Browse
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• ScienceCast
• Shiqi He
• WebArena

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →