Hugging Face · 每日论文·· 1 天前AI 评分47
WebFovea: 当模型正确但点击错误 —— 为基于视觉的网页智能体提供可靠的实时网站交互
WebFovea: When the Model Is Right but the Click Is Wrong -- Reliable Round Trips for Vision-Based Web Agents on Live Websites
AI 导读
WebFovea 在 WebRetriever Challenge 2026 中以 57.0 分排名第二，它是一个基于视觉的网页智能体，通过增强交互流程的四个关键阶段实现更可靠的实时网站操作。模型与浏览器交互时，坐标偏差、下拉框操作、iframe 内容及文本框输入常导致失败，WebFovea 通过防护机制减少这些问题。代码已开源，支持对不同步骤使用不同模型的扩展方案。
来源：Hugging Face · 每日论文 · huggingface.co