Region4Web：重新思考 Web 代理的观察空间粒度

网络代理通过观察空间感知网页，但其粒度仍然是一个未经充分审查的设计选择。现有的工作将观察视为与操作空间相同的元素级粒度，使页面的功能组织隐式并迫使代理在每一步中从元素级信号中推断出来。我们认为观察应该以功能区域的粒度进行操作，每个功能区域是页面的一部分，每个区域都有不同的目的。我们提出了 Region4Web，一个通过层次分解和语义抽象将 AXTree 重新组织为功能区域的框架，将页面的功能组织暴露为页面状态理解的基础。此外，我们提出了 PageDigest，这是一种特定于 Web 的推理管道，它将区域级观察作为跨步骤持续存在的紧凑的每页摘要传递给参与者代理。在 WebArena 基准测试中，PageDigest 显着缩短了观察长度，同时提高了跨不同主干网 大语言模型 (LLM) 和既定代理方法的整体任务成功率，无论主干网容量如何。这些结果表明，与单独的元素级处理相比，以功能区域的粒度进行操作为参与者代理提供了更紧凑且信息丰富的基础。