Salesforce CLIFT 方法让 31B Gemma-4 网页智能体在 WebArena 超过 Gemini 3 Flash
Salesforce 的新论文 CLIFT，31B 开源模型打网页任务居然赢了 Gemini 3 Flash，关键是部署时不用裁判模型，省成本。
#WebArena
共 6 条 · 7 天 2 条 · 30 天 4 条
信息流里打上「WebArena」标签的资讯、产品与论文，按刊登时间排，新的在上。
10月8日
10月6日
CLIFT：用保形自验证训练开源网页智能体并替代外部裁判
开源网页智能体训练时奖励信号太稀疏？这篇 CLIFT 用保形自验证把裁判反馈变成可复用信号，测试时还能不调 API 就做轨迹筛选，WebArena Infinity 上开源里最強。
9月23日
Growing Harness：把重复控制逻辑从模型上下文挪进代码
这篇论文教你让 harness 自己从失败里长出控制代码，省掉七到九成 LLM 调用，4B 小模型也能跑 WebArena，做 agent 工程的值得细看。
9月22日
9月3日
5月29日
PlanAhead：计划表示方式如何影响LLM网页智能体表现
做LLM智能体开发的团队终于有了计划表示的系统性对比——选对计划形式能直接提升任务成功率，建议做Web Agent的开发者点开看看具体指标差异。