Resumen:Presentamos un proceso escalable para generar automáticamente datos de capacitación de alta calidad para agentes web. En particular, un desafío importante a la hora de identificar instancias de capacitación de alta calidad es la evaluación de la trayectoria: cuantificar cuánto progreso se logró hacia la finalización de la tarea. Introducimos un novedoso marco de evaluación basado en restricciones que proporciona una evaluación detallada del progreso hacia la finalización de la tarea. Esto nos permite aprovechar trayectorias parcialmente exitosas, lo que amplía significativamente la cantidad de datos de entrenamiento utilizables. Evaluamos nuestro método en un nuevo punto de referencia que proponemos llamado BookingArena, que consta de complejas tareas de reserva en 20 sitios web populares, y demostramos que nuestro modelo de estudiante resumido supera los enfoques de código abierto y iguala o supera a los sistemas comerciales, aunque es un modelo significativamente más pequeño. Nuestro trabajo aborda el desafío de crear de manera eficiente conjuntos de datos de interacción web diversos y realistas y proporciona una metodología de evaluación sistemática para tareas web estructuradas complejas.
Publicado originalmente en export.arxiv.org el 15 de febrero de 2026.
Ver fuente original
