Avenir-Web：基于人类经验模仿的多模态网页智能体与混合定位专家系统

尽管多模态大语言模型取得进展，自主网页智能体在复杂动态网页界面上执行长周期任务仍面临挑战。现有方法常受限于元素定位不准、缺乏站点特定流程知识，以及在复杂DOM结构中长期任务跟踪与记忆不稳定。为此，本文提出Avenir-Web，在真实部署环境下于Online-Mind2Web基准上达到开源新SOTA。该系统结合混合定位专家、经验模仿规划以引入流程先验，并采用任务追踪清单与自适应记忆机制，实现跨多样化用户界面的鲁棒交互。实验表明，Avenir-Web显著优于先前开源智能体，性能媲美顶尖闭源模型。