通过应用行为建模实现词元高效的Web智能体任务执行

AI智能体在多种任务中表现出色，推动了对智能体基础设施的巨额投入，但词元处理成本正迅速上升。Web智能体通过分析网页应用的用户界面（UI）并与其交互，自动执行自然语言描述的网页应用任务。本工作提出OdoBot，一种新型Web智能体架构，其任务执行成本相比传统Web智能体降低显著。该方法通过分析成功任务执行演示，构建底层应用的行为模型。在Canvas学习管理系统（LMS）上的45个任务实验表明，OdoBot的词元使用量比两种最先进的竞争对手智能体（Agent-E和WebVoyager）分别减少44%和80%，同时在任务成功率上超越WebVoyager。