Традиционные веб-агенты до сих пор напоминают слепых котят: они начинают каждый сеанс исследования с корневого URL и послушно вязнут в бесконечных иерархиях сайта. Как отмечается в исследовании «Mango: Multi-Agent Web Navigation via Global-View Optimization», такой линейный подход — прямой путь к «навигационным ловушкам» и неоправданным затратам вычислительного бюджета на тупиковые ветки. Без понимания общей архитектуры ресурса агент просто не доходит до цели, впустую расходуя средства заказчика.
Команда проекта Mango предлагает сменить парадигму: вместо примитивного перебора ссылок от главной страницы внедряется механизм динамического выбора точек входа. Технически это реализовано через математическую модель «многоруких бандитов» и сэмплирование Томпсона. Как поясняют авторы работы, такой подход позволяет адаптивно распределять ресурсы навигации между перспективными URL-адресами. Система опирается на компонент эпизодической памяти, который хранит историю прошлых успехов и неудач.
Цифры подтверждают, что математические алгоритмы эффективнее грубой силы. На бенчмарке WebVoyager связка Mango и GPT-4o-mini показала успех в 63,6% случаев, что на 7,3% выше существующих решений. В более сложном тесте WebWalkerQA отрыв стал еще заметнее — 52,5% успеха, что на весомые 26,8% превышает предыдущие рекорды.
Для бизнеса это обновление означает конец эпохи «коврового» парсинга. Теперь ваши команды могут внедрять UX-тестирование и системы сбора данных, которые не пасуют перед сложной архитектурой сайта и не требуют избыточных мощностей. Mango превращает хаотичное сканирование в точечную операцию, работающую одинаково стабильно как на моделях с открытым исходным кодом, так и через проприетарные API.