BaRA: BFS与反思网络数据采集代理

arXiv cs.AI 论文
llm-agent web-data-collection bfs self-reflection data-collection arxiv

摘要

BaRA是一个框架，用于站点级网络数据采集，结合了有界BFS遍历和基于历史的自反思，在链接发现和可下载提取方面优于现有方法。

arXiv:2607.00007v1 公告类型: 交叉 摘要：基于大型语言模型（LLM）的网络代理减少了网络数据采集的手动脚本需求，但在实际网站上，它们常常遗漏相关页面、返回不完整的多模态输出，或返回无法直接下载的媒体URL。我们提出了BFS与反思代理（BaRA），这是一个在固定交互预算下进行站点级采集的框架。该框架结合了有界广度优先搜索（BFS）遍历和基于历史的自反思。我们在50个具有真实参考集的合成网站上评估了BaRA。此外，我们在三个布局杂乱或动态的公共网站上进行了测试。BaRA在链接发现和可下载多模态提取方面优于Pure LLM、SeeAct-Vision和Browser-use，尤其在可下载图像和视频的有效恢复方面提升最大。我们的代码可在 https://github.com/MLAI-Yonsei/BaRA-Agent 获取。
查看原文
查看缓存全文

缓存时间: 2026/07/02 05:41 

# BaRA：基于BFS与反思的网络数据采集智能体
来源：https://arxiv.org/abs/2607.00007
查看PDF (https://arxiv.org/pdf/2607.00007)

> 摘要：基于大型语言模型（LLM）的网络智能体减少了网络数据采集中的手动脚本编写，但在真实网站上，它们常常遗漏相关页面、返回不完整的多模态输出，或者返回无法直接下载的媒体 URL。我们提出了 BFS-and-Reflection Agent（BaRA），一种在固定交互预算下进行网站级采集的框架。该框架将有限广度优先搜索（BFS）遍历与基于历史的自省机制相结合。我们在 50 个包含真实参考集的合成网站上评估了 BaRA。此外，我们还在三个布局杂乱或动态的公开网站上进行了测试。BaRA 在链接发现和可下载多模态提取方面优于 Pure LLM、SeeAct-Vision 和 Browser-use，其中在可下载图片和视频的恢复上提升最为显著。我们的代码可从此 https URL 获取 (https://github.com/MLAI-Yonsei/BaRA-Agent)。

## 提交历史

来自：李秀晶 [查看邮件 (https://arxiv.org/show-email/8dae5879/2607.00007)] **\[v1\]** 2026年5月2日 星期六 08:09:10 UTC (1,151 KB)

相似文章

ARBOR：通过可复用评分缓存为搜索代理提供在线过程奖励

arXiv cs.CL

ARBOR 引入了一种可复用的评分缓存，为基于LLM的搜索代理提供在线过程奖励，在仅依赖结果奖励不足时提升训练效率。它在多跳问答基准测试中优于 GRPO 和 DAPO，将多达42%的零梯度训练组转化为信息丰富的训练组。

Region4Web：重新思考网络智能体的观测空间粒度

arXiv cs.CL

本文介绍了 Region4Web 框架，该框架通过将观测空间组织成功能区域而非单个元素，从而提升了网络智能体的性能。研究表明，这种方法在 WebArena 基准测试上缩短了观测长度并提高了任务成功率。