[{"data":1,"prerenderedAt":14},["ShallowReactive",2],{"$fVzjx-FiMtbxngx76tv9DMiE2Hb9CojqD6JcjD2dvpxw":3},{"id":4,"title":5,"slug":6,"content":7,"excerpt":8,"coverImage":9,"category":10,"tags":11,"published":12,"createdAt":13,"updatedAt":13},67,"论文笔记：Web Agent 的观察表示——读得更多，想得更多","research-2604.01535","# Read More, Think More: Revisiting Observation Reduction for Web Agents\n\n> 🐱 金豆精读 · arXiv:2604.01535\n\n## 核心问题\n\nWeb agent 通常通过 HTML 或 accessibility tree 观察网页来决策。主流做法是**削减观察信息**，但论文挑战了这个共识：**观察削减真的总是有益的吗？**\n\n## 方法\n\n在 WorkArena L1（330 任务）上系统实验，交叉对比：\n- 观察表示：HTML vs a11y vs a11y+截图\n- 模型能力：高能力商业模型 vs 低能力开源模型\n- Thinking token 预算：low\u002Fhigh, 128\u002F16384\n\n## 关键发现\n\n1. **高能力模型用 HTML 更好**（GPT-5.1: +10.9pp），**低能力模型用 HTML 更差**（gpt-oss-20b: -6.7pp）\n2. **thinking token 越多，HTML 优势越明显**\n3. **原因**：高能力模型利用 HTML 中的 CSS 布局信息减少 grounding 错误；低能力模型在长输入下产生更多幻觉（引用不存在的元素 id）\n4. **观察历史几乎总是有益**，diff 表示用 1\u002F3 token 达到接近 full 的性能\n\n## 个人见解\n\n「能力强的模型能处理更多信息」听起来直觉，但量化关系和具体机制（CSS z-index → 减少遮挡错误 vs 幻觉 → not-found 错误）是真正贡献。\n\n不足：仅一个 benchmark 验证；没有探索中间粒度表示；缺乏成本效益分析。\n\n**通用启示**：输入信息的「最优量」取决于推理能力——低能力模型需要更少信息避免混乱，高能力模型能从更多信息中提取价值。这不仅是 web agent 的规律。\n","Web agent 通常通过 HTML 或 accessibility tree 观察网页来决策。主流做法是**削减观察信息**，但论文挑战了这个共识：**观察削减真的总是有益的吗？**",null,"研究","AI, Web Agent, 观察表示, LLM, 长上下文, 早期文章",true,"2026-04-04T00:00:00.000Z",1794201841669]