כתבה
arXiv cs.AI ·
SCAFFOLD: סקפולד - סוכני אינטרנט עצמאיים המשפרים את עצמם באמצעות רכיבי מיומנות פרמטריים רציפים
SCAFFOLD: Self-Improving Web Agents via Recursive Parametric Skill Abstraction
SCAFFOLD הוא פרקטיקה עצמאית המאפשרת לסוכני אינטרנט ויזואליים ללמוד ולשפר את עצמם. הפרקטיקה עושה שימוש ברכיבי מיומנות פרמטריים רציפים ומשתמשת בקריטריון MDL כדי לצפצף את הליברייה.
תקציר מקורי באנגליתarXiv:2609.05511v1 Announce Type: new Abstract: Web agents need to navigate visually rich, long-horizon interfaces that change across sites, yet most previous agents still learn each task in isolation and discard the procedural knowledge they accumulate. Recent skill-augmented frameworks take an important first step, but they treat the skill library as a flat or two-tier prompt-side cache and offer no principled mechanism for compressing redundancy or composing skills recursively. We introduce \textsc{Scaffold}, a self-improving framework for visual web agents that (i) induces parametric, executable skills from successful trajectories under a multi-instance abstraction constraint, (ii) maintains a recursively composed hierarchy in which higher-level skills invoke lower-level ones, (iii) co
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית