MiniWoB++
PulseAugur coverage of MiniWoB++ — every cluster mentioning MiniWoB++ across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
新型混合模型决定何时推理，降低成本和延迟
研究人员推出了一种新颖的混合决策模型（HDM），该模型能够智能地在快速的隐式回答和较慢的显式自回归推理之间进行路由。该模型使用经过校准决策策略优化（CDPO）训练的自路由模块来估计思考的价值，并根据预期效用与设定的成本来决定是否进行全面推理。在 JevBench 和 MiniWoB++ 等基准测试上的评估表明，HDM 在保持准确性的同时，可以显著降低代币成本和延迟，其中一个变体在 JevBench 上实现了 72.5% 的延迟降低。
-
新方法改进网页导航代理失败检测
研究人员开发了一种用于网页导航代理早期终止的新方法，这些代理经常在执行后期失败。通过将闭合序列模式挖掘应用于代理轨迹，他们创建了一个人类可审查的失败签名库。该方法在 MiniWoB++ 轨迹上达到了 0.717 的 F1 分数，在三个步骤内恢复了 88% 的失败，并实现了一个早期终止策略，以 92% 的精度节省了 26.3% 的 token。
-
AI代理学习约束偏好，影响对新任务的适应性
一篇新的研究论文探讨了语言模型代理如何从其“约束”（包括提示、工具和控制逻辑）中学习偏好。研究表明，策略的已学偏好与其训练约束相关，当约束改变时会影响其性能。通过分析“上限”（约束潜力）和“不匹配”（策略次优性），研究人员可以更好地预测模型在新环境中的适应能力。
-
新的DMAST方法增强了多模态网络代理抵御跨模态攻击的能力
研究人员开发了一种名为双模态多阶段对抗性安全训练（DMAST）的新方法，以提高多模态网络代理抵御复杂攻击的鲁棒性。这些代理能够处理来自网络界面的视觉和文本信息，容易受到跨模态攻击，即操纵内容同时影响两个观察通道。DMAST将这种交互形式化为一个博弈，并采用了一个三阶段的训练流程：模仿学习、Oracle引导的微调和对抗性强化学习。这种方法显著降低了攻击成功率，同时提高了在分布外任务上的完成度，优于现有防御措施。
-
新框架通过降低成本优化网络代理训练
研究人员开发了一个名为“预算轨迹修剪的评分引导在线教学”的新框架，以优化网络代理的训练。该方法通过智能地决定何时查询教师模型以及保留哪些信息性轮次来解决与持续在线适应相关的高成本问题。在MiniWoB和TimeWarp上的实验表明，该方法可以在实现相似成功率的同时，显著减少教师调用和学生训练计算。