论文报告联合训练分解器与执行器可提升长程网页任务成功率。
资讯摘要
论文提出 JHiMA-WebRL，将任务分解器与执行器分离并联合训练，用于长程网页导航。作者用强教师模型从多模态 GUI 轨迹构建子任务监督，微调分解器与子任务条件执行器，再扩展 GRPO 在 WebArena 中联合优化两者。作者报告，由 7B 执行器与 7B 分解器组成的 JHiMA-WebRL-14B 在 WebArena-Lite-v2 上平均成功率为 37.2%，对比同协议下经 RL 微调的 ScaleCUA-32B 的 24%。
要点速读
- 论文将规划与执行显式分离，并联合训练任务分解器与执行器。
- 用教师模型从多模态 GUI 轨迹生成结构化子任务监督，再扩展 GRPO 做分层联合优化。
- 作者报告 JHiMA-WebRL-14B 在 WebArena-Lite-v2 上成功率为 37.2%，对比 ScaleCUA-32B 的 24%。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/5 08:00:38（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。