BrowserAgent: Het bouwen van webagents met menselijk geïnspireerde webbrowsingacties

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

October 12, 2025

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

cs.AI

Samenvatting

Het efficiënt oplossen van real-world problemen met LLM's hangt steeds meer af van hun vermogen om te interacteren met dynamische webomgevingen en autonoom externe informatie te verwerven. Hoewel recent onderzoek zoals Search-R1 en WebDancer sterke prestaties laat zien bij het oplossen van webtaken, zijn ze sterk afhankelijk van aanvullende tools om de interactieve webomgeving om te zetten in statische tekstinhoud. Dit staat in contrast met menselijk surfgedrag, dat diverse interacties met de browser omvat, zoals scrollen, klikken en typen. In dit artikel stellen we BrowserAgent voor, een meer interactieve agent die complexe taken oplost via menselijk geïnspireerde browseracties. BrowserAgent opereert direct op onbewerkte webpagina's via Playwright door middel van een set vooraf gedefinieerde browseracties. We passen een tweefasige training toe (Supervised Fine-Tuning (SFT) en Rejection Fine-Tuning (RFT)) om de generalisatievaardigheden van het model te verbeteren. Ondanks het gebruik van aanzienlijk minder trainingsdata dan Search-R1, behaalt BrowserAgent meer competitieve resultaten bij verschillende Open-QA-taken. Daarnaast introduceren we een expliciet geheugenmechanisme om belangrijke conclusies tussen stappen op te slaan, wat de redeneervaardigheden van het model voor langetermijntaken verder verbetert. Opmerkelijk is dat BrowserAgent-7B een verbetering van ongeveer 20% kan bereiken ten opzichte van Search-R1 bij multi-hop QA-taken zoals HotpotQA, 2Wiki en Bamboogle. Deze resultaten geven aan dat BrowserAgent kan dienen als een geavanceerder raamwerk voor meer interactieve en schaalbare webagents.

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.