arXiv cs.AI· Zhi Li, Tao Zhou, Yeqing Li, Eugene Ie, Demetri Terzopoulos·· 10 天前AI 评分29
WebRider：面向实时网页辅助的人格化意图控制器
WebRider: Persona-Conditioned Intent Controllers for Live-Web Assistance
AI 导读
WebRider 将网页任务委派形式化为“意图契约”，记录目标、约束、证据义务、答案形式与任务本地人格控制，并采用顶层控制器、中层受守护可执行动作、工具层（浏览器、搜索、地图）的分层架构。
正文 · AI 翻译
摘要：委托一项网络任务不仅仅是提出一个问题；它需要转移一套策略：要验证什么、如何处理不确定性、哪些偏好重要，以及何时停止。然而，当前的实时网络智能体仅根据最终答案进行评估，忽略了定义该委托的策略约束。一个看似合理的最终答案可能掩盖对该策略的违反。我们的完整实时审计揭示了这一关键差距：一个强大的控制器完成了 99.2% 的任务，但仅在 38.8% 的情况下遵守了所有策略约束。完成并不意味着忠实。WebRider 通过将委托策略形式化为意图契约来弥合这一差距——意图契约是对目标、约束、证据义务、答案形式和任务本地角色控制的操作性记录，即使网页发生变化也必须保持有效。WebRider 采用分层架构：顶层控制器维护契约，中间层将意图实现为受保护的可执行动作，工具层通过浏览器、搜索和地图工具执行这些动作。我们的基准 RiderBench 在 42 个公共网站上的 4,096 个实时网络契约上评估这一设计，审计内部契约状态和可见用户体验，以确定一次执行是否保持了其策略，以及各步骤是否与角色一致。受保护的中间接口还可作为高质量的训练信号；通过该接口训练的 8B 动作策略模型在固定控制器下优于仅可执行的基线。通过将浏览路径作为一等对象，WebRider 使系统可审计、可由人类评判且可学习，而不会将动作实现与最终答案决策混为一谈。数据集 URL：this http URL。
| Subjects: | 人工智能（cs.AI）；人机交互（cs.HC） |
| 引用为： | arXiv:2608.06704 [cs.AI] |
| （或 arXiv:2608.06704v2 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2608.06704 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Zhi Li [查看电子邮件]
[v1]
2026 年 8 月 7 日星期五 02:00:49 UTC（5,693 KB）
[v2]
2026 年 10 月 6 日星期二 00:15:51 UTC（5,846 KB）
来源：arXiv cs.AI · arxiv.org