Web Agent多成本约束下的Agentic强化学习决策模型发布

2026年10月20日，arXiv发布一项关于Web Agent决策的研究。Qianli Ma等人提出了一种约束型Agentic强化学习模型，旨在解决Web Agent在多重资源约束下的长期决策问题。该模型将页面访问、搜索请求和外部API调用整合为统一的决策框架，并纳入了相应的成本向量。 在技术实现上，模型采用拉格朗日对偶更新机制，并引入CVaR风险项来应对失败风险。通过这种方式，系统能够同时平衡任务完成率、资源成本与潜在风险。实验数据显示，在保持相同完成率的情况下，该模型的C-PS成本降低了22%-31%；在高失败惩罚场景下，失败率降低了18%-26%。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。