12:06
官方账号arXiv cs.LG@Kelvin Li, Dhruv Pendharkar, Anish Pahilajani, Chuyi Shang, Leon Oks, Leonid Karlinsky, Rogerio Feris, Trevor Darrell, Roei Herzig
推荐理由：斯坦福团队新论文提出Web Agent世界模型新训练方法，在WebArena基准上表现更好。
PRM
共 1 条相关 AI 资讯
9月3日
12:06
研究人员提出了一种名为predicted-state matching的新型训练目标，用于Web Agent的世界模型训练。该方法使用从WebArena Go-Browse轨迹中生成的分支式数据集，使模型能够区分真实结果状态与其他替代动作导致的状态。实验表明，该方法在预测状态匹配基准上优于传统监督式预测模型，在WebPRMBench上提升了PRM式动作排名，并在WebArena-Lite上提高了端到端任务成功率。