يقترح الباحثون OpAgent، وهو وكيل مشغل للملاحة عبر الويب يستخدم التعلم التعزيزي عبر الإنترنت للتغلب على الانزياحات التوزيعية في مواقع الويب الواقعية. يجمع النظام بين ضبط دقيق متعدد المهام هرمي وآلية مكافأة هجينة لتحسين السياسة من خلال التفاعل المباشر.
- يقوم الضبط الدقيق متعدد المهام الهرمي بتجميع مجموعات بيانات من البدع الخاصة بالتخطيط، والتصرف، والأرضية لتأسيس قدرات قوية على اتباع التعليمات.
- يستخدم التعلم التعزيزي الوكي عبر الإنترنت WebJudge لتقييم النتائج وشجرة قرار قائمة على القواعد للحصول على مكافآت التقدم للتخفيف من تحديات تعيين الائتمان.
- ينسق الإطار المعياري OpAgent بين المخطط، والأرضي، والعاكس، والمُلخص لتمكين استعادة الأخطاء القوية والتصحيح الذاتي.
يحقق النموذج المعزز بالتعلم التعزيزي معدل نجاح بنسبة 38.1% على WebArena، بينما يرفع الإطار الكامل لـ OpAgent الأداء إلى معدل نجاح متقدم يبلغ 71.6%.