SkillWeaver: Web Agents can Self-Improve by Discovering and Honing Skills

论文解决了什么问题

构建一个以技能为中心的框架，使 Web Agent 能在无外部监督下自主探索网站、发现新功能，并将成功经验提炼、打磨为可复用、可共享的结构化 API，从而提升在陌生网站和不同 backbone Agent 上的泛化能力。

核心方法

SkillWeaver 包含三阶段：(1) Skill Proposal：LLM 根据截图、URL 和 accessibility tree 提出短程、可复用的程序性、导航或信息抽取任务，按从简到繁的课程推进；(2) Skill Synthesis：Agent 用 Playwright 执行任务，LLM 作为 reward model 判断成功后，将状态-动作轨迹封装为带函数签名、docstring（含 usage log 与前置条件）和代码体的 Python API，并进行静态分析纠错；(3) Skill Honing：对无参 API 直接运行单元测试，对需参数 API 由 LLM 生成测试用例，结合环境反馈与 reward model 进行调试修复。每个网站独立进行约 160 次迭代探索，形成可扩展的 API 库，并通过 API selection 模块在推理时筛选相关且满足前置条件的技能。

实验结论

• WebArena 上 GPT-4o Agent 成功率获得显著相对提升，GPT-4o-mini 相对提升最高达 54.3%（部分站点达 133%）。
• 真实网站（Online-Mind2Web 子集）上平均成功率相对提升 39.8%，但在需要强视觉推理的最终步骤仍会失败。

局限性与证据边界

适合谁阅读