Nested Browser-Use Learning for Agentic Information Seeking

Idea

NestBrowse 用嵌套控制结构把信息检索 agent 的全局推理与页面内 evidence extraction 分开：外层决定 search、visit、click、fill，进入新页后内层逐段读取并汇总目标相关信息，只把紧凑 workspace 传回外层。

Research Problem

仅用搜索 snippets 和 URL fetch 的 agent 无法稳定访问动态加载、表单和多步导航后的内容。直接加入大量浏览器操作与完整 DOM，又放大动作选择和上下文负担；长页截断可能丢掉关键证据，而反复滚动会让全局任务推理被页面细节挤占。

Insight

信息获取需要真正改变浏览状态，但并非每段页面内容都值得进入长期推理上下文。用少量交互工具保持访问能力，再把页面遍历封装在一次带 goal 的调用内部，能够分别训练操作决策和证据压缩，减少两者相互干扰。

Method

1. 以 Playwright headless browser 将 HTML 转成保留交互元素 ID 的 semantic DOM snapshot；提供 batched search、goal-conditioned visit、click，以及 fill 四工具，模型处理文本页面而不接收视觉输入。
2. 外层采用 ReAct，选择工具及参数并维护任务历史。visit 或 click 引出页面后触发内层，把全文分段、逐段按 goal 抽取信息并累积到 temporary workspace；所有段处理完后返回 workspace，避免把整页直接加入外层。
3. 从 SailorFog-QA-V2 的复杂浏览任务生成示范，rejection sampling 排除格式违规、无效工具/参数和最终答案错误；不额外限制中间 reasoning，以保留不同浏览策略。
4. 同一模型用 weighted multi-task imitation loss 学习外层 reasoning/tool-use 与内层逐段证据提取，默认两项等权；在中英文 deep information-seeking benchmarks 比较答案表现，并分析浏览策略与上下文效率。