웹 환경에서 자율 에이전트를 위한 행위 인식 트리 탐색: WebOperator

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

December 14, 2025

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

cs.AI

초록

LLM 기반 에이전트는 종종 탐욕적이며 단계별 방식으로 동작하여, 장기적 결과나 대체 경로를 고려하지 않고 현재 관측만을 기반으로 행동을 선택합니다. 이러한 전망 부족은 부분적으로만 관찰 가능한 웹 환경(브라우저 가시적 콘텐츠, 예: DOM 및 UI 요소로 제한됨)에서 특히 문제가 됩니다. 이러한 환경에서는 단일 실수도 복구하기 위해 복잡하고 취약한 탐색이 필요한 경우가 많습니다. 명시적인 역추적 메커니즘이 없으면 에이전트는 오류를 수정하거나 대체 경로를 체계적으로 탐색하는 데 어려움을 겪습니다. 트리 탐색 방법은 이러한 구조화된 탐색을 위한 원칙적인 프레임워크를 제공하지만, 기존 접근법은 안전한 역추적 메커니즘을 갖추지 못해 의도치 않은 부작용에 취약합니다. 또한 모든 행동이 되돌릴 수 있다고 가정하여 되돌릴 수 없는 행동의 존재를 무시함으로써 현실적인 웹 작업에서 효과성을 떨어뜨리는 한계가 있습니다. 이러한 문제를 해결하기 위해 우리는 신뢰할 수 있는 역추적과 전략적 탐색을 가능하게 하는 트리 탐색 프레임워크인 WebOperator를 소개합니다. 우리의 방법은 보상 추정치와 안전 고려 사항을 모두 고려하여 행동을 순위 매기는 최우선 탐색 전략과, 재수행 전에 이전에 방문한 경로의 실행 가능성을 검증하여 의도치 않은 부작용을 방지하는 강력한 역추적 메커니즘을 통합합니다. 탐색을 더욱 효과적으로 안내하기 위해 WebOperator는 다양한 추론 컨텍스트에서 행동 후보를 생성하여 다양하고 강력한 탐색을 보장하며, 실행 전에 유효하지 않은 행동을 걸러내고 의미적으로 동등한 행동을 병합하여 고품질 행동 집합을 선별합니다. WebArena와 WebVoyager에서의 실험 결과는 WebOperator의 효과성을 입증합니다. WebArena에서 WebOperator는 gpt-4o를 사용하여 54.6%의 최첨단 성공률을 달성하며, 전략적 전망과 안전한 실행의 통합이 갖는 결정적 이점을 강조합니다.

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.