BrowserAgent: 인간의 웹 브라우징 행동에서 영감을 받은 웹 에이전트 구축

BrowserAgent: Building Web Agents with Human-Inspired Web Browsing Actions

October 12, 2025

저자: Zhengbo Zhang, Zhiheng Lyu, Junhao Gong, Hongzhu Yi, Xinming Wang, Yuxuan Zhou, Jiabing Yang, Ping Nie, Yan Huang, Wenhu Chen

cs.AI

초록

실제 문제를 효율적으로 해결하기 위해 LLM(Large Language Model)의 역량은 점점 더 동적 웹 환경과 상호작용하고 외부 정보를 자율적으로 획득하는 능력에 달려 있습니다. Search-R1과 WebDancer와 같은 최근 연구는 웹 작업 해결에서 강력한 성능을 보여주지만, 이들은 상호작용 가능한 웹 환경을 정적 텍스트 콘텐츠로 변환하기 위해 추가 도구에 크게 의존합니다. 이는 스크롤링, 클릭, 타이핑 등 브라우저와의 다양한 상호작용을 포함하는 인간의 브라우징 행동과는 대조적입니다. 본 논문에서는 인간의 브라우징 행동을 모방하여 복잡한 작업을 해결하는 더 상호작용적인 에이전트인 BrowserAgent를 제안합니다. BrowserAgent는 Playwright를 통해 원시 웹 페이지에서 직접 작동하며, 사전 정의된 브라우저 동작 세트를 사용합니다. 우리는 모델의 일반화 능력을 향상시키기 위해 두 단계의 학습(지도 미세 조정(SFT)과 거부 미세 조정(RFT))을 채택했습니다. Search-R1보다 훨씬 적은 학습 데이터를 사용했음에도 불구하고, BrowserAgent는 다양한 Open-QA 작업에서 더 경쟁력 있는 결과를 달성했습니다. 또한, 단계 간 주요 결론을 저장하기 위한 명시적 메모리 메커니즘을 도입하여 장기적 작업에 대한 모델의 추론 능력을 더욱 강화했습니다. 특히, BrowserAgent-7B는 HotpotQA, 2Wiki, Bamboogle과 같은 다중 홉 QA 작업에서 Search-R1 대비 약 20%의 성능 향상을 달성했습니다. 이러한 결과는 BrowserAgent가 더 상호작용적이고 확장 가능한 웹 에이전트를 위한 더 발전된 프레임워크로 활용될 수 있음을 시사합니다.

English

Efficiently solving real-world problems with LLMs increasingly hinges on their ability to interact with dynamic web environments and autonomously acquire external information. While recent research like Search-R1 and WebDancer demonstrates strong performance in solving web tasks, they heavily rely on additional tools to convert the interactive web environment into static text content. This is in contrast to human browsing behaviors, which involve diverse interactions with the browser, such as scrolling, clicking, and typing. In this paper, we propose BrowserAgent, a more interactive agent that solves complex tasks through human-inspired browser actions. BrowserAgent operates directly on raw web pages via Playwright through a set of predefined browser actions. We adopt a two-stage training (Supervised Fine-Tuning (SFT) and Rejection Fine-Tuning (RFT)) to improve the model's generalization abilities. Despite using significantly less training data than Search-R1, BrowserAgent achieves more competitive results across different Open-QA tasks. Additionally, we introduce an explicit memory mechanism to store key conclusions across steps, further enhancing the model's reasoning capabilities for long-horizon tasks. Notably, BrowserAgent-7B can achieve around 20\% improvement over Search-R1 on multi-hop QA tasks like HotpotQA, 2Wiki, and Bamboogle. These results indicate that BrowserAgent can serve as a more advanced framework for more interactive and scalable web agents.