Cognitive Duality for Adaptive Web Agents
Beijing University of Posts and Telecommunications(北京邮电大学)
受人类认知双过程理论启发,提出CogniWeb模块化架构,自适应切换快速直觉与慢速推理,在WebArena上以43.96%成功率实现75%令牌节省。
2025-08-07 cs.AI cs.CL cs.MA
Task-Adaptive Retrieval over Agentic Multi-Modal Web Histories via Learned Graph Memory
School of Engineering, Royal Melbourne Institute of Technology University(皇家墨尔本理工大学工程学院)
本文提出ACGM方法,通过任务自适应图记忆检索代理历史,利用策略梯度优化提升检索质量,在多个数据集上取得显著成果。
2026-04-09 cs.AI cs.IR
Self-adaptive web intrusion detection system
INSTITUT NATIONAL DE RECHERCHE EN INFORMATIQUE ET EN AUTOMATIQUE(法国国家信息与自动化研究所)
Web服务器内容的演变和新类型入侵的出现使得入侵检测系统的适应性成为必然。如今,IDS的适应需要系统管理员进行手动操作,这是一种单调乏味且无反应的操作。在本文中,我们提出了一个自适应入侵检测系统,它依赖于一组本地模型为基础的诊断。元诊断器在线利用诊断的冗余来检查计算的部分诊断的一致性,并且在不一致的情况下触发有缺陷的诊断器模型(或签名)的适应。该系统应用于对HTTP请求流的入侵检测。实验结果表明,该系统能够灵敏、准确地检测到入侵事件,并能准确地自适应诊断模型,从而提高了检测精度。
2009-07-22 cs.AI cs.MA cs.NI
WILBUR: Adaptive In-Context Learning for Robust and Accurate Web Agents
University of California Berkeley(加州大学伯克利分校);Bardeen, Inc.(巴登公司)
针对 Web 智能体跨网站泛化与准确性难题,本文提出 Wilbur,通过可微排序、指令合成、智能回溯和自动课程数据训练,在 WebVoyager 上取得最先进结果。
2024-04-08 cs.AI cs.CL
HarmonyGuard: Toward Safety and Utility in Web Agents via Adaptive Policy Enhancement and Dual-Objective Optimization
Zhejiang University(浙江大学);Xiamen University(厦门大学);Shanghai Jiao Tong University(上海交通大学)
针对Web智能体在长序列任务中安全与效用难以兼顾的问题,提出多智能体框架HarmonyGuard,通过自适应策略增强与双目标优化,将策略合规性提升38%,任务完成度提升20%。
2025-08-06 cs.AI cs.CL
Improving LLM Reasoning via Dependency-Aware Query Decomposition and Logic-Parallel Content Expansion
University of Science and Technology of China(中国科学技术大学)
针对LLM集成到实时Web应用时推理效率与质量难以兼顾的瓶颈,提出Orion框架,通过依赖感知查询分解、逻辑并行扩展和跨查询流水线调度,同时提升推理速度与质量。
2025-10-28 cs.AI
RAT: Reinforcement-Learning-Driven and Adaptive Testing for Vulnerability Discovery in Web Application Firewalls
Shahrood University of Technology(沙赫鲁德工业大学)
针对现有WAF黑盒漏洞测试效率低的问题,提出结合强化学习与自适应搜索的RAT方法,通过攻击样本聚类高效发现绕过模式,在绕过载荷发现数量和首枚载荷发现效率上均显著优于现有最优方法。
2023-12-13 cs.AI cs.CR cs.IR
AdvSim2Real : Training Web Agents Against Adaptive Prompt Injection in a Web World Model
Mohamed bin Zayed University of Artificial Intelligence(穆罕默德·本·扎耶德人工智能大学);Amazon(亚马逊);Massachusetts Institute of Technology(麻省理工学院)
AdvSim2Real通过共同演化任务课程、注入对手和智能体,在冻结网络世界模型中训练,使4B智能体在未见攻击下完成率提升33.6%,并增强鲁棒性与真实浏览器迁移能力。
2026-10-07 cs.AI cs.CL cs.LG
AI-Assisted Adaptive Rendering for High-Frequency Security Telemetry in Web Interfaces
Senior Manager, Software Engineering(软件工程师高级经理);Palo Alto Networks(帕洛阿尔托网络)
本文提出基于AI的自适应渲染框架,通过动态调节视觉更新频率、优先处理语义相关事件并选择性聚合低优先级数据,降低渲染开销并保持实时响应性。
2026-02-02 cs.AI cs.CR cs.HC
WebSwarm: Recursive Multi-Agent Orchestration for Deep-and-Wide Web Search
Kuaishou(快手)
研究基于大语言模型的网络搜索任务,提出WebSwarm递归多智能体编排框架,在推理时联合构建任务分解等,动态实例化搜索节点,通过实验证明其在深度、广度等任务上优于基线,分析多种因素解释其有效性并为多智能体搜索提供见解。
2026-07-10 cs.AI cs.CL cs.MA
SlimSearcher: Training Efficiency-Aware Web Agents via Adaptive Reward Gating
Zhejiang University(浙江大学);Ant Group(蚂蚁集团)
提出SlimSearcher框架,通过帕累托高效过滤和自适应奖励门控,在保持或提升准确率的同时将工具调用轮次减少17%-58%。
2026-06-05 cs.AI cs.LG
AgentBetta: Verification-Driven Adaptive Configuration of an AI Nano-Agent through Selective Expansion and Verified Contraction
Independent University, Bangladesh(孟加拉国独立大学)
AgentBetta通过验证驱动诊断、选择性扩展和验证性收缩自适应配置AI纳米智能体,在AB-ConfigBench上实现91.38%验证成功并大幅降低资源暴露,作为配置调节机制而非通用替代方案。
2026-09-22 cs.AI
KSE-Web: An Analysis of Hybrid Retrieval and LLM-Assisted Query Expansion for Low-Resource Khmer Semantic Search
本文针对低资源高棉语语义搜索,构建专属数据集,评估多种检索方法,发现BM25性能最优,LLM辅助查询扩展未提升效果但模型规模影响显著,为相关研究提供基础。
2026-08-25 cs.AI cs.CL cs.IR
AgentSwing: Adaptive Parallel Context Management Routing for Long-Horizon Web Agents
本文提出AgentSwing框架,通过搜索效率与终端精度两个维度优化长时域网络代理的上下文管理,实验证明其在交互次数更少的情况下性能更优。
2026-03-29 cs.AI cs.CL cs.MA
AWE: Adaptive Agents for Dynamic Web Penetration Testing
Stux Labs(Stux实验室)
AWE通过内存增强的多代理框架,在动态网络渗透测试中实现高准确性和效率,针对注入类漏洞取得显著成果。
2026-03-01 cs.AI cs.CR
Ares: Adaptive Reasoning Effort Selection for Efficient LLM Agents
University of California, Santa Barbara(加州大学圣芭芭拉分校);Accenture(埃森哲)
Ares通过动态选择推理努力级别,有效降低LLM代理的推理成本,同时保持任务成功率。
2026-03-09 cs.AI
EcoThink: A Green Adaptive Inference Framework for Sustainable and Accessible Agents
The University of Sydney(悉尼大学);University of Liverpool(利物浦大学)
本文提出EcoThink框架,通过轻量级路由器动态评估查询复杂度,减少推理能耗40.4%,提升AI可持续性和可及性。
2026-03-26 cs.AI
When Web Apps Heal Themselves: A MAPE-K Based Approach to Fault Tolerance and Adaptive Recovery
Information Technology Department, Bukidnon State University(布基农州大学信息科技系)
本文提出一种基于MAPE-K模型的模块化自我修复框架,结合AutoFix机制实现自适应故障恢复,通过实验验证该框架在故障检测和恢复中的有效性,提高了Web应用的容错性和适应性。
2026-05-19 cs.AI cs.HC cs.PL
TANTE: Time-Adaptive Operator Learning via Neural Taylor Expansion
Yale University(耶鲁大学)
针对时间相关偏微分方程算子学习中固定步长导致误差累积的问题,提出TANTE框架,通过神经泰勒展开实现自适应步长连续预测,在多基准上实现精度与推理速度的显著提升。
2025-10-06 cs.AI cs.LG
Regulating Ruminative Web-browsing Based on the Counterbalance Modeling Approach
Shizuoka University(静冈大学)
网络环境虽然方便了人们的日常生活,但由于与人类认知的不相容而导致的情感问题也日益严重。为了缓解网络使用过程中的负面情绪,我们开发了一个浏览器扩展,以网络广告的形式向用户展示记忆中的产品图像。该系统利用认知架构的自适应控制的正确的理性(ACT-R)作为一个模型的记忆和情感。心率传感器调节ACT-R模型参数:模型的情绪状态与用户的生理状态同步或平衡。实验表明,平衡模型抑制消极的沉思性网页浏览。作者声称,这种方法在可解释性方面是有利的。
2021-09-20 cs.AI cs.HC
VineetVC: Adaptive Video Conferencing Under Severe Bandwidth Constraints Using Audio-Driven Talking-Head Reconstruction
Homi Bhabha National Institute(霍米·巴巴国家研究所);Variable Energy Cyclotron Centre(可变能量回旋加速器中心);Gargi Memorial Institute of Technology(加吉纪念技术学院);Jadavpur University(贾达普大学)
VineetVC通过音频驱动的说话头重建和带宽模式切换策略,在低带宽环境下实现自适应视频会议
2026-02-13 cs.AI cs.CV cs.MM
TaxoExpan: Self-supervised Taxonomy Expansion with Position-Enhanced Graph Neural Network
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Microsoft Research(微软研究院)
分类法由机器可解释的语义组成,为许多Web应用程序提供了有价值的知识。例如,在线零售商(例如,Amazon和eBay)使用分类法来进行产品推荐,而web搜索引擎(例如,Google和Bing)利用分类来增强查询理解。在人工或半自动构建分类法方面已经做出了巨大的努力。然而,随着网络内容数量的快速增长,现有的分类法将变得过时,无法捕捉新出现的知识。因此,在许多应用中,对现有分类法的动态扩展需求很大。在本文中,我们研究了如何通过添加一组新的概念来扩展现有的分类法。我们提出了一种新的自监督框架,名为TaxoExpan,自动生成一组<查询概念,锚概念>对从现有的分类作为训练数据。使用这样的自我监督数据,TaxoExpan学习模型来预测查询概念是否是锚概念的直接下位词。我们在TaxoExpan中开发了两种创新技术:(1)位置增强的图神经网络,它对现有分类中锚概念的局部结构进行编码;(2)噪声鲁棒训练目标,使学习模型对自我监督数据中的标签噪声不敏感。在三个不同领域的大规模数据集上进行的大量实验证明了TaxoExpan在分类扩展方面的有效性和效率。
2020-01-26 cs.AI cs.CL cs.IR
Improving Ad matching via Cluster-Adaptive Keyword Expansion and Relevance tuning
eBay Inc.(eBay公司);San Jose, CA, USA(美国加州圣何塞)
本文提出一种通过文档侧语义关键词扩展和聚类自适应阈值及增量学习调优相关性的方法,以提高搜索广告的匹配相关性和点击率。
2025-05-24 cs.AI cs.IR
Avenir-Web: Human-Experience-Imitating Multimodal Web Agents with Mixture of Grounding Experts
University College London(伦敦大学学院);The University of Edinburgh(爱丁堡大学);Princeton University(普林斯顿大学)
Avenir-Web通过融合接地专家与经验模仿规划,实现了在复杂网络界面中可靠执行长周期任务的开源网络代理新纪录。
2026-02-02 cs.AI cs.CL
TDGT: A Tabular Data Generation Toolkit supporting adaptive GPU-accelerated Bayesian mixture models, diffusion-based models, and latent-space generative modeling
SYNTHAINA AI
提出TDGT工具包,集成自适应贝叶斯混合合成器(ABMS)及其变体VAE-ABMS,支持GPU加速,通过11项统计保真度指标评估,在医疗、社会经济和网络安全数据集上验证了生成质量。
2026-07-01 cs.AI cs.LG
Multi-Agent Pathfinding Under Team-Connected Communication Constraint via Adaptive Path Expansion and Dynamic Leading
George Mason University(乔治·马歇尔大学)
本文提出了一种新的多智能体路径规划框架,解决在团队连接通信约束下路径规划的问题。通过自适应路径扩展和动态领导技术,有效处理通信约束下的路径规划,实验证明在不同环境中能高效处理大量智能体。
2026-02-03 cs.AI cs.MA cs.RO
U-Sem: Semantic Enrichment, User Modeling and Mining of Usage Data on the Social Web
TU Delft(代尔夫特理工大学)
随着社会化Web应用的日益普及,每天都有越来越多的用户数据被发布到Web上。我们的研究重点是调查从这些平台中挖掘数据的方法,这些数据可用于建模用户和语义增强用户简档。这个过程可以增强各种自适应基于Web的系统的适应性和个性化。在本文中,我们提出了U-Sem的人建模服务,语义丰富和挖掘的人的配置文件在社交网络上的使用数据的框架。我们解释了我们的人建模服务的架构,并描述其应用程序在成人电子学习环境中作为一个例子。版本:Mar 21,10:10,Mar 25,09:37
2011-04-01 cs.AI cs.HC cs.IR
Thinking vs. Doing: Agents that Reason by Scaling Test-Time Interaction
Carnegie Mellon University(卡内基梅隆大学);Scribe(Scribe公司);University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);University of Toronto(多伦多大学);University of California, Berkeley(加州大学伯克利分校);The AGI Company(AGI公司);New York University(纽约大学)
针对网络智能体难以从环境获取信息并动态调整的问题,提出扩展测试时交互及基于课程在线强化学习的 TTI,在 WebVoyager 和 WebArena 上取得开源最优表现。
2025-06-10 cs.AI cs.LG
Why Do LLM-based Web Agents Fail? A Hierarchical Planning Perspective
Department of Computer Science, George Mason University(乔治·马歇尔大学计算机科学系)
本文从分层规划角度分析了LLM网络代理失败原因,发现低层执行是主要瓶颈,改进感知接地和自适应控制对实现人类可靠性至关重要。
2026-04-27 cs.AI cs.CL
Mango: Multi-Agent Web Navigation via Global-View Optimization
Purdue University(普渡大学)
本文提出Mango方法,利用网站结构动态确定最优起始点,通过多臂老虎机问题和Thompson采样优化导航预算,并引入周期性记忆组件提升导航效率,实验显示在WebVoyager和WebWalkerQA上均优于基线方法。
2026-04-20 cs.AI cs.CL
It's a TRAP! Task-Redirecting Agent Persuasion Benchmark for Web Agents
University of Cambridge(剑桥大学)
提出TRAP基准,评估大型语言模型驱动的网络代理在动态网页中易受提示注入攻击的程度,发现平均25%的任务中代理被重定向,揭示了心理驱动的系统漏洞。
2026-07-03 cs.AI cs.HC cs.MA
WebArxiv: A Reproducible Benchmark for Evaluating Multimodal Web Agents on arXiv Tasks
University of Technology Sydney(悉尼技术大学)
针对现有Web智能体基准不稳定的问题,提出时间不变的静态基准WebArXiv,发现智能体僵化历史反思的失败模式,并设计轻量级动态反思机制,有效提升了十个最先进智能体的评估性能。
2026-09-25 cs.AI cs.DB cs.IR