SCAFFOLD：自改进Web代理框架
原文标题：SCAFFOLD: Self-Improving Web Agents via Recursive Parametric Skill Abstraction
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。
提出SCAFFOLD，一个自改进框架，通过递归参数化技能抽象，从成功轨迹中归纳可执行技能，维护递归组合层次，并通过MDL准则压缩库。在WebArena等基准上显著提升成功率，并展示单调增益。
- 问题
- Web代理逐任务学习、丢弃已积累的操作知识，现有技能库是扁平缓存，无法压缩与递归组合。
- 方法
- 从成功轨迹归纳参数化可执行技能，构建递归组合层次，用MDL准则与行为等价检查压缩库，并周期性蒸馏回模型权重。
- 结果
- 在WebArena、VisualWebArena和Online-Mind2Web留出集上，成功率比最强技能增强基线提升11.1–17.2个绝对点，五轮自改进单调增益且库不崩溃。
- 影响
- 把技能库从提示侧缓存升级为可压缩、可组合、可内化的资产，为长期运行的浏览器自动化代理提供可复用路线。
深读 · 结论先行AI 生成展开看要点与影响 ↓
SCAFFOLD通过递归技能抽象让Web智能体自我改进，成功率比最强基线高11.1-17.2个百分点。
- •从成功轨迹中归纳参数化可执行技能，并维护高层技能调用低层技能的递归层次。
- •用最小描述长度（MDL）准则和行为等价检查压缩技能库，防止冗余。
- •在WebArena、VisualWebArena和Online-Mind2Web留出集上验证提升。
- •五次自我改进迭代中增益单调上升，未出现技能库崩溃。
- •代码已开源在GitHub仓库。
为什么重要：为Web智能体提供了可累积、可压缩的技能学习路径，而非每个任务孤立学习，对长周期界面操作场景有直接价值。
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。