WEPO: Web Element Preference Optimization for LLM-based Web Navigation

核心问题

在网页导航任务中，代理对网页元素的识别与操作准确率不足，影响网页自动化智能体的效率和可靠性。

解决方案

提出一种在网页导航任务中融合偏好优化的LLM微调框架WEPO。该框架通过对DOM树中距离目标元素最近的非关键元素进行负样本采样，并采用Direct Preference Optimization实现无监督对比学习，从而显著提升代理对网页元素的识别与操作准确率。

竞争优势

该成果通过创新的负样本采样和对比学习方法，显著提升了网页导航任务中代理的识别与操作准确率，具有原始创新性。其无监督学习特性减少了人工标注的需求，提高了模型的适应性和效率，为网页自动化智能体的发展提供了新的技术路径。