最近的Web代理使用世界模型进行测试时间操作选择，方法是对候选操作进行采样，预测生成的Web状态，并使用排名器模型或流程奖励模型(PRM)对其进行排名。这些世界模型通常通过有监督的下一状态预测进行训练，以生成HTML或AXTree快照等固定表示。但是，此目标与下游目标不一致

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2609.02885v1)获取最准确的信息。

---
🔗 **原文链接**: [Discriminative World Models for Web Agents](https://arxiv.org/abs/2609.02885v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Kelvin Li, Dhruv Pendharkar, Anish Pahilajani, Chuyi Shang, Leon Oks, 列昂尼德·卡林斯基, Rogerio Feris, Trevor Darrell, Roei Herzig

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。
Agent是2026年最卷的方向，没有之一。这篇文章的实操经验够硬。
建议收藏，做Agent开发的时候拿出来翻翻。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-09-03 14:01