SkillWeaver: Веб-агенты могут самостоятельно совершенствоваться, открывая и оттачивая навыки

SkillWeaver: Web Agents can Self-Improve by Discovering and Honing Skills

April 9, 2025

Авторы: Boyuan Zheng, Michael Y. Fatemi, Xiaolong Jin, Zora Zhiruo Wang, Apurva Gandhi, Yueqi Song, Yu Gu, Jayanth Srinivasa, Gaowen Liu, Graham Neubig, Yu Su

cs.AI

Аннотация

Чтобы выживать и процветать в сложных условиях, люди развили изощренные механизмы самосовершенствования через исследование окружающей среды, иерархическую абстракцию опыта в повторно используемые навыки и совместное создание постоянно растущего репертуара умений. Несмотря на недавние достижения, автономные веб-агенты все еще испытывают недостаток в ключевых способностях к самосовершенствованию, сталкиваясь с трудностями в абстракции процедурных знаний, улучшении навыков и их композиции. В данной работе мы представляем SkillWeaver — ориентированную на навыки структуру, которая позволяет агентам самосовершенствоваться путем автономного синтеза повторно используемых навыков в виде API. При работе с новым веб-сайтом агент самостоятельно обнаруживает навыки, выполняет их для практики и извлекает из опыта практики надежные API. Итеративное исследование непрерывно расширяет библиотеку легковесных, готовых к использованию API, значительно повышая возможности агента. Эксперименты на WebArena и реальных веб-сайтах демонстрируют эффективность SkillWeaver, достигая относительного улучшения показателей успешности на 31,8% и 39,8% соответственно. Кроме того, API, синтезированные сильными агентами, существенно улучшают возможности слабых агентов за счет передачи навыков, что приводит к улучшению до 54,3% на WebArena. Эти результаты подтверждают эффективность преобразования разнообразных взаимодействий с веб-сайтами в API, которые могут быть легко использованы различными веб-агентами.

English

To survive and thrive in complex environments, humans have evolved sophisticated self-improvement mechanisms through environment exploration, hierarchical abstraction of experiences into reuseable skills, and collaborative construction of an ever-growing skill repertoire. Despite recent advancements, autonomous web agents still lack crucial self-improvement capabilities, struggling with procedural knowledge abstraction, refining skills, and skill composition. In this work, we introduce SkillWeaver, a skill-centric framework enabling agents to self-improve by autonomously synthesizing reusable skills as APIs. Given a new website, the agent autonomously discovers skills, executes them for practice, and distills practice experiences into robust APIs. Iterative exploration continually expands a library of lightweight, plug-and-play APIs, significantly enhancing the agent's capabilities. Experiments on WebArena and real-world websites demonstrate the efficacy of SkillWeaver, achieving relative success rate improvements of 31.8% and 39.8%, respectively. Additionally, APIs synthesized by strong agents substantially enhance weaker agents through transferable skills, yielding improvements of up to 54.3% on WebArena. These results demonstrate the effectiveness of honing diverse website interactions into APIs, which can be seamlessly shared among various web agents.