dair_ai· @dair_ai · X·· 1 天前AI 评分
Salesforce AI Research 论文：31B 开源 Gemma-4 Web Agent 在 WebArena Infinity 达 74.6%
DAIR.AI 转发 Salesforce AI Research 的论文，一个 31B 开源 Gemma-4 web agent 在 9-app WebArena Infinity 上取得 74.6%，高于 Gemini 3 Flash browser use 的 70.1%，且无需在每步或部署时调用前沿裁判。
Salesforce AI Research 又出了一篇很棒的论文。
研究发现，一个 31B 的开源 Gemma-4 网页智能体在 9 个应用的 WebArena Infinity 测试集上得分 74.6%，超过了使用浏览器操作的 Gemini 3 Flash（70.1%）。
他们实现这一成绩的过程中，并没有在每一步或部署时调用前沿模型作为评判者。
CLIFT 让智能体针对自身的执行轨迹回答验证问题。
一个保形（conformal）认证器只保留那些答案与训练时评判者一致的问题，按其可信程度加权，并将结果加入逐步奖励中。
在测试时，同一套冻结的问题库用于在贪心执行和几次重试之间做选择，全程无需外部评判者。
训练后的智能体比其基座模型提升了 12.8 个百分点，并在 9 个应用中的 7 个上获胜。该问题库在测试时还能迁移到 VisualWebArena 上的 GPT-5.5，而一个经过翻译的问题库能在 Online Mind2Web 上提升一个在线网页智能体的表现，且无需在该基准上进行任何训练。
论文：arxiv.org/abs/2610.06829
论文讨论：academy.dair.ai/papers/clift…
来源：dair_ai · x.com