WebPRMBench

新的训练方法改进了网络代理的世界模型

研究人员开发了一种名为预测状态匹配的新训练目标，用于网络代理中的世界模型。该方法旨在提高这些模型区分由不同操作产生的不同网络状态的能力，这对于准确的操作选择至关重要。该方法在源自 WebArena Go-Browse 轨迹的数据集上进行了测试，并在 WebPRMBench 和 WebArena-Lite 等基准测试中表现出改进的性能，最终提高了网络代理的端到端任务成功率。