WebOperator: Ricerca ad Albero Consapevole delle Azioni per Agenti Autonomi in Ambiente Web

WebOperator: Action-Aware Tree Search for Autonomous Agents in Web Environment

December 14, 2025

Autori: Mahir Labib Dihan, Tanzima Hashem, Mohammed Eunus Ali, Md Rizwan Parvez

cs.AI

Abstract

Gli agenti basati su LLM operano spesso in modo greedy e sequenziale, selezionando azioni unicamente in base all'osservazione corrente senza considerare le conseguenze a lungo termine o percorsi alternativi. Questa mancanza di lungimiranza è particolarmente problematica negli ambienti web, che sono solo parzialmente osservabili - limitati al contenuto visibile nel browser (ad esempio, elementi DOM e dell'interfaccia utente) - dove un singolo passo falso richiede spesso una navigazione complessa e fragile per essere corretto. Senza un meccanismo esplicito di backtracking, gli agenti faticano a correggere errori o esplorare sistematicamente percorsi alternativi. I metodi di ricerca ad albero forniscono un framework strutturato per tale esplorazione, ma gli approcci esistenti mancano di meccanismi per un backtracking sicuro, rendendoli inclini a effetti collaterali indesiderati. Inoltre, presuppongono che tutte le azioni siano reversibili, ignorando la presenza di azioni irreversibili - limitazioni che ne riducono l'efficacia nei compiti web realistici. Per affrontare queste sfide, introduciamo WebOperator, un framework di ricerca ad albero che consente backtracking affidabile ed esplorazione strategica. Il nostro metodo incorpora una strategia di best-first search che classifica le azioni in base sia alle stime di ricompensa che a considerazioni di sicurezza, insieme a un robusto meccanismo di backtracking che verifica la fattibilità dei percorsi già visitati prima di ripercorrerli, prevenendo effetti collaterali indesiderati. Per guidare ulteriormente l'esplorazione, WebOperator genera candidati di azione da contesti di ragionamento multipli e variati per garantire un'esplorazione diversificata e robusta, e successivamente cura un insieme di azioni di alta qualità filtrando le azioni non valide pre-esecuzione e unendo quelle semanticamente equivalenti. I risultati sperimentali su WebArena e WebVoyager dimostrano l'efficacia di WebOperator. Su WebArena, WebOperator raggiunge un tasso di successo state-of-the-art del 54,6% con gpt-4o, sottolineando il vantaggio critico dell'integrazione della lungimiranza strategica con l'esecuzione sicura.

English

LLM-based agents often operate in a greedy, step-by-step manner, selecting actions solely based on the current observation without considering long-term consequences or alternative paths. This lack of foresight is particularly problematic in web environments, which are only partially observable-limited to browser-visible content (e.g., DOM and UI elements)-where a single misstep often requires complex and brittle navigation to undo. Without an explicit backtracking mechanism, agents struggle to correct errors or systematically explore alternative paths. Tree-search methods provide a principled framework for such structured exploration, but existing approaches lack mechanisms for safe backtracking, making them prone to unintended side effects. They also assume that all actions are reversible, ignoring the presence of irreversible actions-limitations that reduce their effectiveness in realistic web tasks. To address these challenges, we introduce WebOperator, a tree-search framework that enables reliable backtracking and strategic exploration. Our method incorporates a best-first search strategy that ranks actions by both reward estimates and safety considerations, along with a robust backtracking mechanism that verifies the feasibility of previously visited paths before replaying them, preventing unintended side effects. To further guide exploration, WebOperator generates action candidates from multiple, varied reasoning contexts to ensure diverse and robust exploration, and subsequently curates a high-quality action set by filtering out invalid actions pre-execution and merging semantically equivalent ones. Experimental results on WebArena and WebVoyager demonstrate the effectiveness of WebOperator. On WebArena, WebOperator achieves a state-of-the-art 54.6% success rate with gpt-4o, underscoring the critical advantage of integrating strategic foresight with safe execution.