Plan-MCTS：面向网页导航动作利用的计划探索

大型语言模型（LLM）已使自主智能体能够处理复杂的网页导航任务。尽管近期研究集成树搜索以增强长程推理，将这些算法应用于网页导航仍面临两个关键挑战：有效路径稀疏导致探索低效，以及嘈杂的上下文稀释了准确的状态感知。为解决这一问题，我们提出 Plan-MCTS，一个通过将探索转移到语义计划空间来重新表述网页导航的框架。通过将战略规划与执行动作落实解耦，它把稀疏的动作空间转换为用于高效探索的稠密计划树，并将嘈杂上下文提炼为用于精确状态感知的抽象语义历史。为确保效率与稳健性，Plan-MCTS 引入双门控奖励（Dual-Gating Reward）以严格验证物理可执行性与策略一致性，并引入结构化精炼（Structural Refinement）以同策略上修复失败的子计划。在 WebArena 上的大量实验表明，Plan-MCTS 取得 SOTA 性能，以更高的任务有效性和搜索效率超越当前方法。