学会适应：通过认知感知探索实现自改进网页智能体

多模态大语言模型（MLLM）的最新进展为网页智能体带来了可观进展。然而，现有网页智能体通常依赖手工设计的执行流水线或昂贵的专家轨迹，限制了其对复杂动态环境的适应性。为应对这些挑战，我们提出SCALE（Self-Cognitive-Aware Learning and Exploration），它利用Selector、Predictor与Judger三个对抗角色，自主发现智能体的局限，并通过环境探索扩展其认知边界。此外，我们提出SCALE-Hop，一种促进全局规划并帮助智能体避免局部探索陷阱的图探索策略。为进一步支持学习，我们构建了SCALE-20k，一个从19个真实网站收集的大规模数据集，包含多样的任务类型以及由SCALE探索轨迹生成的结构化示范。实验结果表明，我们的方法显著提升了多个MLLM在各种网页环境中的性能与泛化能力。我们的框架为构建真正自主且自适应的网页智能体提供了可扩展、可泛化的解决方案。