Web智能体完成却失败：可复现触发与并行探索诊断
原标题：When Web Agents Finish but Still Fail: Reproducible Triggers and Trace Diagnostics for Parallel Web Exploration
速览
长程Web智能体常在最终答案评估中隐藏失败，如遗漏字段或依赖过时证据。研究提出Parallel WebBench基准，通过GRPO训练智能体，显著提升了完成率和部分正确性。追踪分析揭示了上下文搜索循环、过早终止和合成崩溃三种持续失败模式，指出需加强证据覆盖与合成诊断。
AI 深度解读
AI 正在阅读原文并生成深度解读…（首次约 20–40 秒，之后秒开）
查看原文 →arxiv.org