Apr 2, 2026 · Web Agent Observation
Read More, Think More：强模型处理 Web Agent 时保留 HTML 反而更准
2026 年 4 月 2 日提交的研究发现，低能力模型更适合精简 accessibility tree，强模型则能从完整 HTML 布局获益；增加 thinking token 会进一步放大 HTML 的优势，diff 历史可兼顾信息与 token。
EVENT STORY
Development
- First ReportRead More, Think More：强模型处理 Web Agent 时保留 HTML 反而更准arXiv cs.AI
- Current Assessment浏览器 Agent 基础设施需要从固定 DOM 清洗器转向可配置观察层；上下文压缩、动作定位和模型路由将成为同一个性能优化问题。Agent Pulse · analysis
Web Agent 长期把 HTML 冗余视为必须压缩的问题，但观察表示不存在统一最优解。模型能力、思考预算与页面历史共同决定应该给多少原始结构。
实验在多模型与多思考预算下比较完整 HTML、accessibility tree、观察历史和 diff 表示，并通过错误分析发现强模型能利用布局做动作定位，弱模型则更容易在长输入中幻觉。该结论支持按模型与预算动态选择观察格式。
浏览器 Agent 基础设施需要从固定 DOM 清洗器转向可配置观察层；上下文压缩、动作定位和模型路由将成为同一个性能优化问题。
团队应按模型档位和任务难度 A/B 测试页面表示，以完成率和单位成功成本决定保留多少 DOM，而不是统一做最大压缩。
需要扩展到动态页面、视觉信息、提示注入和不同网站结构，并测量完整 HTML 带来的延迟、成本与安全暴露。