پژوهشگرانی به سرپرستی ژوان‌وانگ ژانگ در 6 اکتبر 2026 مقاله‌ای با عنوان WebNavigator منتشر کردند. این سامانه شیوه حرکت عامل‌های هوش مصنوعی در وب‌سایت‌ها را تغییر می‌دهد. عامل به‌جای اینکه با آزمون‌وخطا سرگردان شود، ابتدا نقشه‌ای از کنش‌های ممکن را به‌صورت آفلاین می‌سازد و سپس از آن برای انتخاب گام‌های درست در محیط آنلاین استفاده می‌کند. در آزمون معیار WebArena، WebNavigator توانست 72.9 درصد از کارهای چندوب‌سایتی را انجام دهد؛ رقمی بیش از دو برابر نرخ موفقیت بهترین عامل‌های تجاری گزارش‌شده در گذشته.
روش کار
WebNavigator یک «گراف تعامل» می‌سازد؛ نوعی نقشه راه که همه عناصر قابل کلیک و فرم‌های یک وب‌سایت را ثبت می‌کند. این کار با روشی برای کاوش انجام می‌شود که «بدون هزینه توکن» است، چون به‌صورت آفلاین اجرا می‌شود و اعتباری از API مصرف نمی‌کند. وقتی وظیفه‌ای به عامل سپرده می‌شود، عامل از روند «بازیابی، استدلال، انتقال» پیروی می‌کند: بخش مرتبط گراف را بازیابی می‌کند، بهترین مسیر را می‌سنجد و سپس مستقیم به صفحه موردنیاز می‌رود. نویسندگان، نبود نقشه‌ای جامع را «کوری توپولوژیک» می‌نامند.
عملکرد و پیامدها
این روش در مجموعه آزمون چندوب‌سایتی WebArena به نرخ موفقیت 72.9 درصدی رسید؛ رقمی که به گفته مقاله، بیش از دو برابر عملکرد «عامل‌های سازمانی» است. این روش در معیار OnlineMind2Web هم عملکرد خوبی داشت، هرچند چکیده مقاله رقم دقیقی ارائه نمی‌کند. این پژوهش نشان می‌دهد که در اختیار گذاشتن تصویری جامع از یک وب‌سایت به عامل‌ها، می‌تواند از بهبود مدل زبانی زیربنایی مهم‌تر باشد.
چرا مهم است
برای توسعه‌دهندگانی که ربات‌هایی برای پر کردن فرم‌ها یا جمع‌آوری داده می‌سازند، نرخ موفقیت بالاتر به معنای تلاش‌های ناموفق کمتر و نیاز کمتر به اصلاح دستی است. این روش می‌تواند با کاهش اجرای پرهزینه آزمون‌وخطا، خدمات خودکار وب را سریع‌تر و ارزان‌تر کند. بااین‌حال، مقاله هنوز نشان نمی‌دهد این روش در وب‌سایت‌هایی که چیدمانشان مرتب تغییر می‌کند چگونه عمل می‌کند.
