arXiv cs.CL· Chengguang Gan, Yunhao Liang, Hanjun Wei, Qinghao Zhang, Zhixi Cai, Shiwen Ni·· 5 小时前AI 评分26
为何要生成一次点击？面向 Web Agent 的插件式决策头
Why Generate a Click? Plug-in Decision Heads for Web Agents
AI 导读
研究提出插件式决策头，让基于视觉语言模型的 Web Agent 直接从冻结生成器的隐藏状态读出动作类型与目标元素，无需生成 click(12) 这类文本。在 Qwen3-VL 4B 和 8B 上以 213k 网页步骤训练后，置信级联在七个离线测试集上与生成器表现相差 -0.3 至 +1.4 分，决策头承担 12% 至 64% 的步骤。
来源：arXiv cs.CL · arxiv.org