WebClipper: 基于图结构轨迹剪枝的Web代理高效进化

基于Web代理的深度研究系统在解决复杂信息检索任务方面展现出强大潜力，但其搜索效率仍鲜有研究。我们发现许多最先进的开源Web代理依赖于长工具调用轨迹、循环推理和无成效分支的探索。为此，我们提出WebClipper框架，通过基于图的剪枝压缩Web代理的轨迹。具体而言，我们将代理的搜索过程建模为状态图，并将轨迹优化转化为最小必要有向无环图（DAG）挖掘问题，从而生成保留关键推理步骤并去除冗余步骤的精简轨迹。在这些优化后的轨迹上进行持续训练，使代理能够进化出更高效的搜索模式，在减少约20%工具调用次数的同时提高准确性。此外，我们引入了一个新的指标F-AE分数，用于衡量模型在准确性和效率之间的平衡能力。实验表明，WebClipper在保持优秀性能的前提下减少了工具调用次数，为Web代理设计中平衡效果与效率提供了实用见解。