DeepMind MiRA：AI实现复杂网页任务精准执行新突破
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
当你在网上购物时遇到复杂的订单查询，或者需要在企业内部系统中完成多步骤的数据录入工作时，你是否想过让AI来帮你完成这些繁琐的任务？Google DeepMind的研究团队最近发表了一项令人瞩目的研究成果，他们开发出了一套名为MiRA的新框架，专门训练AI代理来处理需要多个步骤才能完成的复杂网页操作。这项研究发表于2026年3月的arXiv预印本平台，论文编号为arXiv:2603.19685v1，有兴趣深入了解的读者可以通过该编号查询完整论文。
研究团队发现了一个有趣的现象：就像人类在陌生城市中导航时容易迷路一样，现有的AI代理在处理需要多个步骤的网页任务时也经常"迷失方向"。比如说，当AI需要完成"在公司系统中查找特定员工信息并生成报告"这样的任务时，它可能在中途忘记了原始目标，或者陷入重复点击同一个按钮的死循环中。更糟糕的是，由于网页任务往往只在最终完成时才给出成功或失败的反馈，AI很难知道自己在中途的每个步骤是否走对了路。
为了解决这个问题，研究团队提出了一个巧妙的解决方案。他们的方法就像给AI配备了一位经验丰富的向导，这位向导不仅知道最终目的地，还能将复杂的旅程分解成一系列清晰的里程碑。当AI完成每个里程碑时，都会获得及时的鼓励和指引，这样就不会在漫长的任务过程中迷失方向了。
具体来说，MiRA框架包含两个核心创新。第一个创新是一套智能的任务分解系统，就像一位资深导游会将复杂的城市观光路线分解成"先去博物馆，再到咖啡店休息，然后逛公园"这样的具体步骤。第二个创新是一套基于里程碑的奖励机制，让AI在达成每个中间目标时都能获得正面反馈，而不必等到整个任务完成才知道自己做得对不对。
研究结果令人印象深刻。在WebArena-Lite基准测试中，使用了MiRA框架的开源模型Gemma3-12B的成功率从原来的6.4%大幅提升到了43.0%，这个表现甚至超过了GPT-4-Turbo的17.6%和GPT-4o的13.9%。同时，当大型专有模型如Gemini使用了MiRA的在线规划机制后，其成功率也提升了约10个百分点。这就像原本只能完成简单任务的新手司机，在有了专业导航系统的帮助后，突然能够胜任复杂的长途驾驶任务一样。
一、AI代理的"迷路"问题：当机器遇上复杂任务
要理解MiRA框架的价值，我们首先需要明白现有AI代理面临的核心挑战。设想你需要在一个复杂的企业内部 上完成这样一个任务：登录系统，查找特定项目的财务数据，生成报告，然后发送给指定的同事。对人类来说，这虽然有些繁琐，但我们能够清楚地记住每个步骤的目的，并在遇到问题时灵活调整策略。
然而，现有的AI代理在处理这类任务时却经常出现各种问题。研究团队通过大量的实验分析发现，AI代理最常见的失败模式是"中途卡住"。具体来说，在WebArena-Lite基准测试的失败案例中，接近50%的失败都属于"Get Stuck Midway"类型，也就是AI在执行任务过程中陷入了某种重复循环，无法继续前进。
这种现象的根本原因在于两个方面。首先，AI代理缺乏有效的长期规划能力。当任务变得复杂时，AI往往只能"看到"下一步该做什么，而无法维持对整体目标的清晰认识。其次，传统的强化学习训练方法只在任务完全成功或失败时给出反馈，这种稀疏的奖励信号让AI很难学会哪些中间步骤是有价值的。
研究团队开发了一套自动化的失败分析工具，这套工具就像一位细心的教练，能够观察AI的每一个动作，并准确识别出它在哪个环节出了问题。通过分析大量的失败案例，他们发现AI代理的问题主要分为四大类：在错误页面停止（占比约10-12%）、中途陷入循环（占比42-49%）、未能做出合理尝试（占比6-32%），以及其他系统性错误。
有趣的是，这种"中途卡住"的现象在不同规模的模型中都存在，无论是大型的专有模型如Gemini-2.5-Pro，还是经过监督学习微调的开源模型如Gemma-12B，都会遇到类似的困扰。这表明问题的根源不在于模型的规模或基础能力，而在于缺乏有效的长期规划和进度跟踪机制。
二、子目标分解：给AI配备智能向导
面对AI代理在长期任务中容易迷失方向的问题，研究团队提出的第一个解决方案是开发一套智能的子目标生成系统。这个系统的工作原理就像一位经验丰富的旅行向导，能够将复杂的行程安排分解成一系列清晰、可执行的里程碑。
以一个典型的网页任务为例："在地图上找到CMU附近50英里范围内最近的咖啡店"。传统的AI代理可能会直接开始随意点击各种链接，希望最终能够偶然找到正确答案。而MiRA系统则会首先将这个复杂任务分解为四个清晰的子目标：首先打开网页浏览器并定位到地图页面，然后在地图上搜索"CMU"，接着选择附近的餐厅并添加"50英里以内"的过滤条件，最后选择最近的咖啡店并报告相关信息。
这种分解过程并非简单的模板化操作，而是基于对任务特性的深度理解。研究团队使用先进的Gemini-2.5-pro模型作为"智能向导"，这个模型具备强大的视觉推理能力，能够同时理解任务指令和当前网页状态，从而生成合适的子目标序列。更重要的是，这个系统采用了迭代式的上下文学习策略，通过精心设计的少样本示例来确保生成的子目标既具有逻辑性又具有可执行性。
为了验证这些自动生成的子目标是否真正有用，研究团队开发了一套严格的评估方法。他们发现，虽然严格按照所有子目标执行并非成功的必要条件（因为AI有时会找到意外的替代路径），但子目标的完成程度与最终任务成功率之间存在强烈的正相关关系。具体来说，ROC曲线下面积达到了0.84，这是一个相当高的预测准确性指标。
更令人印象深刻的是，研究团队观察到子目标完成数量与成功概率之间呈现严格的单调递增关系。这意味着每完成一个额外的子目标，AI成功完成整个任务的概率都会显著增加。这种现象证明了子目标分解策略的有效性：它们确实代表了通往最终成功的关键里程碑，而不仅仅是任意的中间步骤。
研究团队还发现，不同类型的 任务需要不同的子目标分解策略。例如，在GitLab这样的代码管理平台上，子目标通常围绕项目创建、成员管理和配置设置等核心功能展开。而在购物 上，子目标则更多地涉及商品搜索、筛选条件设置和订单处理等步骤。这种任务特定的分解能力使得MiRA系统能够适应各种不同的网页环境。
三、动态里程碑追踪：实时导航系统的威力
拥有了清晰的子目标分解还只是成功的一半，就像有了详细的旅行计划，我们还需要在旅途中时刻确认自己是否按计划前进。MiRA框架的第二个核心创新是一套动态里程碑追踪系统，这套系统就像一个智能的GPS导航，能够实时监控AI代理的进度，并在必要时提供纠错指引。
这个动态追踪系统的工作原理颇为巧妙。在每一个执行步骤中，AI代理都会进行三个关键的自我反思：回顾历史记录以确认已经完成了哪些里程碑，检查当前子目标是否已经达成，以及规划接下来应该朝哪个方向努力。这种内省机制让AI能够维持对整体进度的清晰认知，避免在复杂任务中迷失方向。
具体实现过程中，系统会让AI代理像一位细心的项目经理一样，定期检查自己的"任务清单"。当AI需要判断是否完成了某个子目标时，它会综合考虑当前页面的视觉信息、已执行的操作历史，以及预期的目标状态。例如，如果某个子目标是"导航到Reddit的sports子版块"，系统会检查当前页面URL是否包含正确的路径，页面标题是否显示相应内容，以及是否出现了预期的界面元素。
这种实时追踪机制带来的最大好处是错误恢复能力。传统的AI代理一旦走错路，往往会继续在错误的方向上越走越远。而配备了动态追踪系统的AI代理则能够及时发现偏离，并主动采取纠正措施。研究结果显示，这种机制将"中途卡住"的失败率从原来的48.41%降低到了39.87%，同时保持了较低的"尝试失败"错误率。
特别值得注意的是，这套系统在处理推理深度和计算效率之间找到了巧妙的平衡点。研究团队发现，虽然静态地增加每步的"思考预算"确实能提高成功率，但也会导致推理延迟急剧增加。例如，将每步的思考令牌数量从256个增加到8192个时，成功率从24.3%提升到32.5%，但每步的推理时间也从6.5秒增加到19秒。
MiRA的动态分配策略巧妙地解决了这个问题。系统只在真正需要深度思考的关键节点上分配更多的计算资源，而在简单明确的步骤上则快速执行。这样，它能够在保持接近最佳静态预算性能的同时，显著降低平均推理时间。这就像一位经验丰富的专家，知道在什么时候需要仔细思考，什么时候可以凭直觉快速行动。
四、基于里程碑的强化学习：让AI在过程中获得奖励
传统的AI训练方法面临一个根本性挑战：如何给复杂任务中的每个步骤分配恰当的"分数"。在大多数网页任务中，AI只有在完全完成任务时才能知道自己做得对不对，这就像学习烹饪时只有在品尝最终成品时才知道中间的每个步骤是否正确一样。这种稀疏的反馈让AI很难学会哪些中间动作是有价值的。
MiRA框架通过引入"基于里程碑的强化学习"（简称MiRA-RL）巧妙地解决了这个问题。这套方法的核心思想是为AI的学习过程提供密集而有意义的中间奖励，就像在长途旅行中设置多个加油站和休息点一样。
系统首先会将任务执行过程中的离散子目标完成事件转换为连续的进度分数。例如，如果一个任务包含4个子目标，系统会在子目标完成的时间点之间进行线性插值，创建一条平滑的进度曲线。这样，AI在每个时间步都能获得一个明确的进度指标，而不是只在完成整个任务时才知道结果。
更具体地说，假设一个任务的前两个子目标分别在第2步和第4步完成，而整个任务在第9步结束。系统会为第1步分配大约0.16的进度分数，为第3步分配0.5的进度分数，为第7步分配约0.86的进度分数。这种连续化处理让原本离散的里程碑事件变成了平滑的学习信号。
基于这些进度标签，系统训练了一个"潜力评估器"，这个组件就像一位经验丰富的教练，能够预测当前状态距离成功还有多远。在强化学习过程中，这个评估器提供的预测值被转换为额外的奖励信号，指导AI朝着正确的方向前进。
MiRA-RL的训练过程采用了双重评估体系。主要的价值函数仍然专注于预测最终任务成功的概率，确保AI不会偏离真正的目标。而潜力评估器则提供辅助的形状化奖励，帮助加速学习过程。这种设计确保了子目标的引导作用不会取代真正的任务目标，而是作为有益的补充。
训练过程还包含了一套创新的经验筛选机制。系统会计算每条训练轨迹的"困惑度"，只保留那些既不太简单（困惑度过低）也不太离谱（困惑度过高）的经验。研究显示，使用中等困惑度范围内的训练数据能够获得最佳的学习效果，成功率达到36.4%，而只使用低困惑度数据的成功率仅为27.9%，使用高困惑度数据的成功率更是只有23.6%。
五、迭代改进的学习循环：从失败中持续成长
MiRA框架的另一个重要特色是它采用了一种持续学习的训练范式，就像一位不断从经验中学习的学徒，能够通过分析自己的失败案例来持续改进技能。这种方法避免了传统机器学习中"训练一次就固定"的局限性，而是建立了一个动态的、自我完善的学习循环。
这个迭代学习过程分为几个关键阶段。首先，当前版本的AI代理会在一组精心选择的任务上进行实际操作，生成大量的执行轨迹。这些轨迹包含了成功的案例，也包含了各种类型的失败案例。接下来，系统会使用自动化的分析工具对这些轨迹进行深度解析，识别出导致失败的具体原因和模式。
基于失败分析的结果，系统会智能地调整下一轮训练的任务分布。如果发现AI在处理某类特定任务时经常失败，系统会在下一个训练阶段中增加类似任务的比例。同时，系统还会从预先准备的任务池中选择与失败案例在语义上相似的新任务，确保AI能够在相关场景中获得更多的练习机会。
这种失败驱动的课程设计特别有效。研究团队发现，通过这种方式训练的AI代理不仅在整体成功率上有显著提升，而且在处理之前经常失败的任务类型时表现出了明显的改善。例如，在Reddit相关的任务上，AI的成功率从Phase 0的约52%提升到了Phase 6的73%以上。
训练过程中的数据管理也颇为精巧。系统维护着一个动态的经验回放缓冲区，其中存储了历史上的高质量执行轨迹。在每个训练阶段，新生成的轨迹会与这些历史经验混合使用，确保AI既能学习新的技能，又不会忘记已经掌握的能力。为了保证训练数据的质量，系统还会根据轨迹的困惑度分数进行筛选，只保留那些既有挑战性又不过于混乱的经验。
特别值得注意的是，这种迭代训练方法在不同 领域都显示出了一致的改进效果。无论是在GitLab这样的代码管理平台，还是在电商 或地图应用中，AI代理的能力都随着训练轮次的增加而稳步提升。这表明MiRA框架具有良好的泛化能力，能够适应各种不同类型的网页环境。
六、性能突破：从新手到专家的华丽转身
MiRA框架在实际性能测试中展现出了令人瞩目的改进效果，这些数字背后反映的是AI代理从笨拙的新手向熟练专家的华丽转身。在WebArena-Lite这个权威的网页代理基准测试中，使用MiRA训练的开源模型Gemma3-12B创造了43.0%的成功率，这个成绩不仅大幅超越了其基准版本的6.4%，甚至超过了GPT-4-Turbo的17.6%和GPT-4o的13.9%等强大的商用模型。
更令人印象深刻的是，当大型专有模型采用MiRA的在线规划机制时，也获得了显著的性能提升。Gemini-2.5-pro模型在集成了子目标导向的推理系统后，成功率从原来的23.0%提升到了32.1%，实现了约10个百分点的绝对提升。这证明了MiRA框架的价值不仅限于提升小型模型的能力，对于已经相当强大的大型模型同样有效。
从失败模式分析的角度来看，MiRA的改进效果更加明显。传统AI代理最大的问题"中途卡住"现象得到了显著缓解。在使用MiRA框架后，这类失败的占比从原来的接近50%下降到了约21%。这意味着AI代理现在能够更好地维持对长期目标的关注，避免陷入重复循环或无效操作的困境。
虽然"错误终止"类型的失败有所增加，但研究团队认为这实际上是一种积极的变化。这表明AI代理现在能够成功地导航到任务的最终阶段，只是在最后的判断环节出现了偏差。这种失败比"中途迷路"要容易解决得多，通常只需要改进最终的验证逻辑即可。
在不同类型的 任务中，MiRA都显示出了一致的改进效果。在GitLab项目管理任务中，成功率从基准的40.0%提升到了56.7%。在复杂的购物管理系统任务中，改进幅度更加显著，从42.9%提升到了54.3%。即使在相对简单的任务类别中，MiRA也带来了稳定的性能提升。
研究团队还通过"Pass@k"指标来评估AI代理的一致性表现。这个指标衡量的是在给定k次尝试机会时，AI能够成功完成任务的概率。结果显示，MiRA不仅提高了单次尝试的成功率，还显著提升了多次尝试的成功概率，表明其改进是全面而稳定的。
特别值得关注的是，MiRA在处理长时间序列任务时的表现。通过分析子目标完成的时间分布模式，研究团队发现早期阶段的AI往往在前几个子目标上就停滞不前，而经过MiRA训练的AI则能够均匀地在整个任务时间线上完成各个子目标，展现出了良好的时间规划能力。
七、深度剖析：为什么MiRA如此有效
要理解MiRA框架为什么能够取得如此显著的性能提升，我们需要深入分析其设计背后的核心原理。从根本上说，MiRA解决了长期困扰AI代理的两个关键问题：缺乏有效的进度跟踪机制，以及稀疏奖励环境下的学习困难。
传统的AI代理训练就像让一个人在完全黑暗的迷宫中寻找出口，只有到达终点时才能知道自己是否走对了路。这种训练方式的问题在于，AI无法区分哪些中间步骤是有价值的，哪些是无效的。MiRA通过引入子目标分解，相当于在迷宫中点亮了一系列指路明灯，让AI能够清楚地看到每一段路程的价值。
更重要的是，MiRA的设计确保了这些"指路明灯"是可靠的。研究团队发现，自动生成的子目标与最终任务成功之间存在强烈的相关性，相关系数达到了0.84。这意味着完成更多子目标的AI代理确实更有可能成功完成整个任务，而不是仅仅完成了一些无关紧要的步骤。
从技术实现的角度来看，MiRA巧妙地平衡了两个看似矛盾的需求：提供密集的中间奖励，同时保持对最终目标的专注。系统通过双重价值函数架构实现了这种平衡，主价值函数始终专注于预测最终任务成功的概率，而辅助的潜力函数则提供基于子目标进度的形状化奖励。
MiRA的成功还得益于其对训练数据质量的严格控制。研究团队发现，并非所有的训练轨迹都对学习同样有效。通过困惑度筛选机制，系统能够识别出那些既有挑战性又不过于混乱的经验，专门用这些高质量的数据进行训练。这就像一位优秀的教师，知道如何选择最合适的练习题来帮助学生提高。
另一个关键因素是MiRA采用的渐进式学习策略。与传统的"一次性训练"不同，MiRA通过多轮迭代不断改进AI的能力。每一轮训练都基于前一轮的失败分析结果来调整任务分布，确保AI能够针对性地改进自己的薄弱环节。这种方法让AI的学习过程更加高效和针对性。
研究团队还通过详细的消融实验验证了MiRA各个组件的重要性。当移除潜力函数时，性能下降到约35%。当使用KL散度优化替代MSE回归时，性能降至33%。当去掉双重鲁棒优势估计时，性能在早期阶段甚至降到25%。这些实验结果证明了MiRA框架中每个组件都发挥着不可替代的作用。
八、未来展望：智能代理的发展方向
MiRA框架的成功为AI代理的未来发展指明了几个重要方向。首先，显式的任务分解和进度跟踪将成为处理复杂长期任务的标准方法。就像人类在面对复杂项目时会制定详细的计划和里程碑一样，AI代理也需要类似的结构化思维能力。
研究团队认为，MiRA的成功证明了"过程奖励"在AI训练中的重要价值。与传统的结果导向训练不同，基于过程的奖励能够帮助AI学会更好的决策逻辑和执行策略。这种方法不仅适用于网页操作任务，还可能在机器人控制、游戏策略、甚至科学研究等其他需要长期规划的领域发挥重要作用。
从技术演进的角度来看，MiRA展示了大型语言模型在多角色协作中的潜力。在这个框架中，同一个基础模型同时扮演着任务规划者、执行者、进度监督者和学习指导者等多个角色。这种"一专多能"的设计模式可能会成为未来AI系统的重要特征。
然而，研究团队也坦诚地指出了当前方法的一些局限性。MiRA的效果很大程度上依赖于子目标生成的质量，如果生成的子目标不够准确或不够实用，整个系统的性能就会受到影响。此外，当前的方法主要适用于能够明确定义子目标的任务，对于那些过程高度不确定或需要大量创造性思维的任务，其适用性可能有限。
展望未来，研究团队提出了几个值得探索的改进方向。首先是从固定的子目标模板转向更灵活的自适应子目标生成，让AI能够根据具体任务的特点和当前情况动态调整分解策略。其次是探索非线性的进度估计方法，考虑到不同子目标的难度差异，为AI提供更精确的进度反馈。
另一个有趣的研究方向是"信号退火"策略的开发。在这种方法中，子目标奖励会在训练过程中逐渐减弱，确保AI最终能够独立完成任务，而不是过度依赖辅助信号。这就像训练轮的辅助轮会在学会骑车后被拆除一样，让AI能够发展出真正的自主能力。
说到底，MiRA框架的真正价值在于它向我们展示了一种全新的思路：通过模仿人类的分层思维和逐步执行模式，AI能够在复杂任务中获得更好的表现。这种方法不仅提高了任务完成的成功率，还增强了AI行为的可解释性和可控性。当我们能够清楚地看到AI在每个步骤想要达成什么目标时，我们就能更好地理解和信任这些智能系统。
随着网络环境日益复杂，自动化需求不断增长，像MiRA这样能够处理复杂多步骤任务的AI代理将变得越来越重要。无论是企业的内部流程自动化，还是个人的日常网络操作辅助，这类技术都有着广阔的应用前景。更重要的是，MiRA展示的这种结构化学习范式，可能会成为通向真正通用人工智能的重要途径之一。
Q&A
Q1：MiRA框架是什么，它解决了什么问题？
A：MiRA是Google DeepMind开发的一套AI代理训练框架，专门解决AI在复杂网页任务中容易"迷路"的问题。传统AI代理在处理需要多个步骤的任务时经常陷入循环或忘记目标，MiRA通过将复杂任务分解为清晰的子目标，并为每个步骤提供及时反馈，让AI能够像有经验的向导一样稳步完成长期任务。
Q2：MiRA框架的性能表现如何？
A：MiRA的性能表现非常出色。开源模型Gemma3-12B使用MiRA后，成功率从6.4%大幅提升到43.0%，甚至超过了GPT-4-Turbo的17.6%。大型模型Gemini-2.5-pro也获得了约10个百分点的提升。最重要的是，AI代理"中途卡住"的失败率从近50%降低到约21%。
Q3：MiRA框架能应用到其他领域吗？
A：研究团队认为MiRA的核心理念具有广泛的应用潜力。这种基于子目标分解和过程奖励的方法不仅适用于网页操作，还可能在机器人控制、游戏策略、科学研究等其他需要长期规划的领域发挥作用。任何需要AI完成多步骤复杂任务的场景都可能从类似的方法中受益。
相关攻略
智东西编译 佳扬编辑 云鹏智东西3月30日消息，据彭博社报道，苹果正计划为语音助手Siri解锁第三方AI服务接入权限，并筹备在即将发布的iOS 27操作系统中，对Siri进行升级。此前，Siri已通
这项由谷歌DeepMind阿姆斯特丹团队完成的开创性研究发表于2026年3月的arXiv预印本平台（论文编号：arXiv:2603 20155v1），为人工智能文本生成技术带来了革命性突破。有兴趣深
当你在网上购物时遇到复杂的订单查询，或者需要在企业内部系统中完成多步骤的数据录入工作时，你是否想过让AI来帮你完成这些繁琐的任务？Google DeepMind的研究团队最近发表了一项令人瞩目的研究
OpenAI曾将视频生成工具Sora定位为继ChatGPT之后最重要的消费级产品，如今却在向公众开放不足六个月后骤然叫停。这一结局或许说明：在算力稀缺、竞争加剧的AI赛道上，持续烧钱却无法变现的产品
IT之家 3 月 30 日消息，据科技媒体 Android Police 今天报道，谷歌此前一直没有让 YouTube 等视频应用支持 Android Auto 车联系统，不过很多用户通过 CarS
热门专题
热门推荐
在当今数字化阅读的时代，凡文阅读成为了许多人喜爱的阅读工具。那么，凡文阅读究竟该怎么用呢？下载与安装首先，要使用凡文阅读，需要在手机的应用商店中搜索“凡文阅读”，找到对应的应用程序
在游戏“代号妖鬼”中，摧毁骑的搭配至关重要，能让玩家在战斗中发挥出强大实力。首先是核心卡牌的选择。“火焰冲击”是必备的，它能对敌方造成高额的火焰伤害，在战斗初期就能给对手带来巨大压
使用SUMIF、IF+SUM、SUBTOTAL、排序法或动态数组（SCAN+FILTER）可解决Excel累计求和因空白中断问题，各方法分别适用于不同场景与版本。如果您在Excel
在使用谷歌浏览器时，有时候我们可能希望隐藏扩展程序插件图标，让浏览器界面看起来更加简洁。下面就为大家详细介绍几种隐藏扩展程序插件图标的方法。方法一：使用浏览器自带的隐藏功能谷歌浏览
在洛克王国的奇妙世界里，咕噜球可是捕捉宠物的关键道具。了解各种咕噜球的特点，能让你在捕捉宠物时事半功倍。普通咕噜球这是最基础的咕噜球，捕捉成功率相对较低。适合捕捉一些初始出现且比较