跳到主要内容
返回时间线
arXiv来源发表:

网页不再分搜索与浏览器两套接口:统一对象表示让智能体六项基准全胜且更省

核心概要

面向网页任务的 AI 智能体此前要在搜索接口、浏览器操作和文件系统三种访问方式之间切换,各自擅长信息收集或页面交互,组合起来则成本上升或性能下降。Web$hell 把网页编译成带地址的信息对象与动作对象,用统一操作完成检索、读取与执行,并在六个覆盖网页搜索、网页导航和深度研究的基准上取得最高任务表现,同时轮次与推理成本更低。

Source-provided article image: Web$hell: A Unified Interface for Agentic Web Access
Figure 1 · arXiv

深度剖析

网页访问被收进一个统一接口:智能体不再分别调用搜索、浏览器和文件系统,而是对同一套带地址的网页对象发出请求。 此前的搜索增强智能体依赖搜索接口与清洗文本,浏览器智能体依赖页面观察与操作,文件系统智能体把网页存成文件再用 shell 操作选择性查看,三类方式各自只覆盖信息收集或页面交互中的一侧。 在 WideSearch、SealQA、WebArena-Verified、WebWalkerQA、DeepResearchBench 和 DeepWeb-Bench 六个基准上,Web$hell 的任务表现均为最高,例如 WebArena-Verified 成功率 0.679,高于 HybridSBF 的 0.578 与 Fetch-then-Explore 的 0.264。

统一接口把网页内容与可执行动作放在同一份表示里,智能体读到信息后可以直接指向对应动作。 WebContract 规定对象由地址、取值和关联三部分组成,关联字段保留解释取值所需的上下文以及指向相关对象的引用。 WebCompiler 依据 HTML 语义用确定性规则把抓取到的页面编译成文本、表格、链接和动作等对象,不依赖模型推理;WebCache 保存编译结果并记录页面状态变化,旧状态保持只读,编译开销为每页平均 0.46 至 2.79 秒。

成本优势在深度研究任务上最明显,智能体用更少轮次完成跨来源的信息收集与综合。 CLI-Anything Browser 在深度研究上用了 52.4 轮,HybridSBF 用了 30.9 轮,而 Web$hell 为 17.6 轮。 在 DeepWeb-Bench 上 Web$hell 得分 31.11,高于 HybridSBF 的 28.37 与 Fetch-then-Explore 的 28.27;在 WideSearch 上条目级 F1 为 0.782,高于最强基线 Fetch-then-Explore 的 0.745。

启示与展望

报道覆盖网页搜索、网页导航与深度研究三类任务,实验使用 gpt-5.6-luna 作为主智能体模型,搜索通过 Serper API 完成,并排除含参考答案的页面以防泄漏。网页导航以 WebArena-Verified 的自托管站点和 WebWalkerQA 的给定起始网址为主,属于受控评测环境。编译开销按每页平均 0.46 至 2.79 秒计,页面加载时间因站点渲染差异较大,未作为接口开销的直接度量。

在预取页面数量增加时,智能体检查的页面比例从 14.7% 降到 10.4%,仍有 9.5% 的参考信息留在缓存中未进入智能体观察,如何管理缓存以保留可能有用的证据仍是开放问题。动作执行依赖当前可用的浏览器状态,若对应标签页不再可用,接口会说明无法直接从该状态执行动作。