Tech Meridian ← К СУЩНОСТЯМ
PROМОЙ MERIDIAN EN

ТЕМА · ENTITY #461

web agents

Хронология связанных событий, источники и контекст из новостной базы.

ХРОНОЛОГИЯ СОБЫТИЙ

3

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

SkillShift-Bench: бенчмарк для обучения навыкам при изменениях среды в открытой среде

SkillShift-Bench — новый бенчмарк и набор из трёх самохостящихся веб‑сред (с кодом и таблицей лидеров), оценивающий обучение навыкам у веб‑агентов при управляемых сдвигах: Контекстном, Перцепционном и Исполнительном. Эксперименты показывают систематическое ухудшение устойчивости — снижение успеха, рост затрат на взаимодействие и больше сбоев навыков (особенно при Исполнительном сдвиге); работа формулирует задачу сдвинутого исполнения навыков как нестационарную проблему выполняемости, предлагает анализ динамического регрета и метод адаптации во время тестирования.

7.0

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

EconSkills: библиотека навыков и оценка для веб‑агентов по извлечению экономических данных в реальном времени (arXiv:2609.19523v1)

В работе представлена EconSkills — библиотека навыков и рамочная оценка, которая преобразует проверенные браузерные траектории из EconWebArena в параметризованные стандартные процедуры для получения экономических данных в реальном времени. Эксперименты показывают, что абстрагированные навыки улучшают перенос в контролируемых условиях по сравнению с подсказкой без навыка, что при масштабировании библиотеки извлечение данных конкурентоспособно, но лучше всего работает для прямо покрытых задач, и что важны выбор с учётом покрытия и семантическая проверка.

6.0

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

OdoBot: Эффективная по токенам архитектура веб‑агента на основе моделирования поведения приложения

В препринте на arXiv представлена OdoBot — архитектура веб‑агента, которая строит модель поведения приложения на основе примеров успешного выполнения задач для сокращения потребления токенов. В экспериментах на 45 задачах в Canvas LMS OdoBot использовал на 44% и 80% меньше токенов по сравнению с Agent-E и WebVoyager соответственно и превзошёл WebVoyager по показателю успешности задач.

6.0