STRUCTUREDAGENT: Planning with AND/OR Trees for Long-Horizon Web Tasks
作者: ELita Lobo, Xu Chen, Jingjing Meng, Nan Xi, Yang Jiao, Chirag Agarwal, Yair Zick, Yan Gao
分类: cs.AI
发布日期: 2026-03-05
💡 一句话要点
STRUCTUREDAGENT：利用AND/OR树规划长程Web任务
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: Web智能体 长程规划 分层规划 AND/OR树 结构化记忆
📋 核心要点
- 现有Web智能体在长程任务中面临上下文记忆不足、规划能力弱和易过早终止等问题。
- STRUCTUREDAGENT采用动态AND/OR树进行高效搜索，并使用结构化记忆模块跟踪候选解决方案。
- 实验表明，STRUCTUREDAGENT在长程Web浏览任务中优于标准LLM智能体，并提供可解释的计划。
📝 摘要（中文）
大型语言模型（LLMs）的最新进展推动了用于序列决策的智能体系统的发展。这些智能体必须感知环境，跨多个时间步进行推理，并采取行动以优化长期目标。然而，现有的Web智能体在复杂的长程任务中表现不佳，原因在于有限的上下文记忆用于跟踪历史，较弱的规划能力，以及导致过早终止的贪婪行为。为了解决这些挑战，我们提出了STRUCTUREDAGENT，一个具有两个核心组件的分层规划框架：（1）使用动态AND/OR树进行高效搜索的在线分层规划器；（2）跟踪和维护候选解决方案以提高信息搜索任务中约束满足的结构化记忆模块。该框架还生成可解释的分层计划，从而更容易进行调试，并在需要时促进人工干预。我们在WebVoyager、WebArena和自定义购物基准上的结果表明，与标准的基于LLM的智能体相比，STRUCTUREDAGENT提高了长程Web浏览任务的性能。
🔬 方法详解
问题定义：论文旨在解决Web智能体在执行复杂、长程Web任务时遇到的困难。现有方法，如直接使用大型语言模型（LLM），往往由于上下文窗口限制、缺乏有效的长期规划机制以及容易陷入局部最优解等问题，导致任务完成率低，效率不高。这些痛点限制了Web智能体在实际应用中的能力。
核心思路：STRUCTUREDAGENT的核心思路是引入分层规划和结构化记忆，以克服现有方法的局限性。通过分层规划，将复杂任务分解为更小的子任务，降低了规划的复杂度。利用AND/OR树进行搜索，能够更有效地探索不同的行动序列。结构化记忆模块则用于跟踪和维护候选解决方案，从而更好地满足信息搜索任务中的约束条件。
技术框架：STRUCTUREDAGENT包含两个主要模块：在线分层规划器和结构化记忆模块。在线分层规划器使用动态AND/OR树进行搜索，该树的每个节点代表一个子任务或行动，AND节点表示所有子任务都需要完成，OR节点表示只需要完成一个子任务。结构化记忆模块则用于存储和更新候选解决方案，并根据任务需求进行检索和筛选。整个流程包括任务分解、计划生成、行动执行和记忆更新等步骤。
关键创新：STRUCTUREDAGENT的关键创新在于将分层规划与结构化记忆相结合，并使用动态AND/OR树进行高效搜索。与传统的基于LLM的智能体相比，STRUCTUREDAGENT能够更好地处理长程任务，并提供更可解释的计划。动态AND/OR树允许智能体根据环境反馈动态调整计划，提高了鲁棒性。
关键设计：动态AND/OR树的构建和搜索策略是关键设计之一。论文可能采用了启发式搜索算法，如A*搜索或蒙特卡洛树搜索（MCTS），来指导树的扩展和评估。结构化记忆模块的设计也至关重要，可能采用了某种形式的知识图谱或向量数据库来存储和检索候选解决方案。具体的参数设置和损失函数等技术细节未知，需要查阅论文全文。
🖼️ 关键图片
📊 实验亮点
论文在WebVoyager、WebArena和自定义购物基准上进行了实验，结果表明STRUCTUREDAGENT在长程Web浏览任务中显著优于标准的基于LLM的智能体。具体的性能提升幅度未知，但摘要中明确指出STRUCTUREDAGENT提高了性能，表明其在解决长程Web任务方面具有实际效果。
🎯 应用场景
STRUCTUREDAGENT可应用于自动化信息检索、在线购物助手、智能客服等领域。通过提升Web智能体在复杂任务中的规划和执行能力，可以显著提高用户体验和工作效率。未来，该技术有望进一步扩展到其他需要长期决策和复杂推理的应用场景，例如自动化软件测试和智能交通管理。
📄 摘要（原文）
Recent advances in large language models (LLMs) have enabled agentic systems for sequential decision-making. Such agents must perceive their environment, reason across multiple time steps, and take actions that optimize long-term objectives. However, existing web agents struggle on complex, long-horizon tasks due to limited in-context memory for tracking history, weak planning abilities, and greedy behaviors that lead to premature termination. To address these challenges, we propose STRUCTUREDAGENT, a hierarchical planning framework with two core components: (1) an online hierarchical planner that uses dynamic AND/OR trees for efficient search and (2) a structured memory module that tracks and maintains candidate solutions to improve constraint satisfaction in information-seeking tasks. The framework also produces interpretable hierarchical plans, enabling easier debugging and facilitating human intervention when needed. Our results on WebVoyager, WebArena, and custom shopping benchmarks show that STRUCTUREDAGENT improves performance on long-horizon web-browsing tasks compared to standard LLM-based agents.