WebClipper: Efficient Evolution of Web Agents with Graph-based Trajectory Pruning

Idea

WebClipper 把 web research 轨迹转换为 action–information dependency graph，寻找支撑最终答案的近似最小 DAG，再据此删去循环验证和无贡献分支。经过衔接性重写的精简轨迹用于继续训练，使 agent 学会更少但仍有用的工具调用。

Research Problem

长上下文和大 tool-call budget 虽可提高搜索覆盖，也带来重复核查、循环 reasoning 和探索死路。仅提示模型节约或粗略按步删除，可能移除答案依赖的证据，或留下引用已删除观察的断裂推理，因此效率优化需要识别信息依赖。

Insight

一个动作的价值取决于它产生的信息是否被答案直接或间接使用，而非其在原时间序列中的位置。以信息节点合并重复事实，再保留必要前驱，可以比简单截短更有选择地压缩；同时加入确实需要长链的任务，避免把短轨迹当成普适最优。

Method

1. 从公开 QA 任务采样多条现有 agent 轨迹，保留 pass rate 在 0 到 0.5 之间的有挑战任务。LLM extractor 将每步概括为 action node，把观察拆成 atomic information 并语义去重，连接动作输入依赖和输出事实。
2. 令动作成本为 1、信息成本为 0，从 query 到 answer 做 Dijkstra-style 前向搜索，再反向闭包补入必要分支，构成近似 MNDAG。重复图提取与裁剪三次，仅在至少两次必要动作集合完全一致时接受。
3. 映射回原轨迹后，仅重写因删除步骤而新相邻的 reasoning，消除对已移除 observations 的引用；生成三个候选，按 base model perplexity 选择较符合其风格的版本。
4. 对精简轨迹做 efficiency-oriented SFT，或与不同问题、同难度但无法裁剪的完整轨迹混合训练。评测答案正确率、tool rounds、tokens，并用 F-AE 综合 accuracy 与相对调用预算的效率。