AutoTailor：面向网页智能体的用户对齐能力选择
原文标题：AutoTailor: Automatic, User-Aligned Capability Selection and Adaptation for Web Agents
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 AutoTailor 元智能体框架，用于构建和维护精简的轨迹衍生 MCP API 集合。离线阶段通过质量过滤与使用可能性过滤将 1283 个 API 压缩至 87 个，在线动态重选进一步精简至 33 个。在 WebArena Postmill 的 106 项任务上，配合 ReAct 回退实现 90.6% 正确率，同时降低 57.8% 的 token 成本与 29.4% 的延迟。
- 问题
- 网页智能体自动发现的工具集冗余庞大，与用户需求不匹配，推高成本与延迟。
- 方法
- 元智能体离线做质量与使用可能性过滤，在线动态重选增删MCP API，保留ReAct回退。
- 结果
- WebArena Postmill 106任务上正确率90.6%，token成本降57.8%，延迟降29.4%。
- 影响
- 证明精简工具集能同时提准确率并大幅降本，直接可用于浏览器智能体的工具治理。
深读 · 结论先行AI 生成展开看要点与影响 ↓
AutoTailor 把 1283 个网页智能体 API 压到 33 个，正确率 90.6% 且 token 成本降 57.8%。
- •离线两阶段过滤：1283 个未精炼 API 先压至 87 个，在线动态重选再减到 33 个。
- •在 WebArena Postmill 的 106 项任务上，配合 ReAct 回退达 90.6% 正确率，高于纯 ReAct 的 87.5%。
- •同时降低平均请求 token 成本 57.8%、延迟 29.4%。
- •不用 ReAct 时正确率 60.1%，与未精炼集合基本持平，但 token 用量减少 94.9%。
为什么重要：给做网页智能体工具集的人一个可量化路径：工具不是越多越好，精简加回退能同时省钱省时还提准确率。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。