Resumen:Si bien los modelos de lenguaje grandes demuestran una notable competencia en la planificación semántica de alto nivel, siguen estando limitados en el manejo de manipulaciones detalladas de componentes web de bajo nivel. Para abordar esta limitación, una extensa investigación se ha centrado en mejorar las capacidades de conexión a tierra del modelo a través de técnicas como el aprendizaje por refuerzo. Sin embargo, en lugar de obligar a los agentes a adaptarse a interfaces centradas en el ser humano, proponemos construir interfaces de interacción optimizadas específicamente para los agentes. Este artículo presenta la Interfaz de componentes para agentes (CI4A), un mecanismo de encapsulación semántica que abstrae la compleja lógica de interacción de los componentes de la interfaz de usuario en un conjunto de primitivas de herramientas unificadas accesibles a los agentes. Implementamos CI4A dentro de Ant Design, un marco de interfaz de usuario de nivel industrial que cubre 23 categorías de componentes de interfaz de usuario de uso común. Además, desarrollamos un agente híbrido que presenta un espacio de acción que se actualiza dinámicamente según el estado de la página, lo que permite una invocación flexible de las herramientas CI4A disponibles. Aprovechando Ant Design integrado en CI4A, refactorizamos y actualizamos el punto de referencia WebArena para evaluar los métodos SoTA existentes. Los resultados experimentales demuestran que el agente basado en CI4A supera significativamente los enfoques existentes, logrando una nueva tasa de éxito de tareas SoTA del 86,3 %, junto con mejoras sustanciales en la eficiencia de ejecución.
Publicado originalmente en export.arxiv.org el 21 de enero de 2026.
Ver fuente original
