WebClipper: 그래프 기반 궤적 가지치기를 통한 웹 에이전트의 효율적인 진화

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

웹 에이전트 기반의 심층 연구 시스템은 복잡한 정보 탐색 작업을 해결하는 데 있어 강력한 잠재력을 보여주었으나, 그 검색 효율성은 아직 충분히 연구되지 않았습니다. 우리는 다수의 최신 오픈 소스 웹 에이전트들이 순환적인 추론 루프와 비생산적인 분기 탐색을 포함하는 긴 도구 호출 궤적에 의존하고 있음을 관찰했습니다. 이를 해결하기 위해, 우리는 그래프 기반 가지치기를 통해 웹 에이전트의 궤적을 압축하는 프레임워크인 WebClipper를 제안합니다. 구체적으로, 우리는 에이전트의 탐색 과정을 상태 그래프로 모델링하고 궤적 최적화를 '최소 필요 방향 비순환 그래프(DAG) 마이닝 문제'로 정의하여, 불필요한 단계는 제거하면서 필수적인 추론 과정은 보존하는 가지치기된 궤적을 도출합니다. 이렇게 정제된 궤적으로 에이전트를 지속적으로 학습시키면 더 효율적인 탐색 패턴으로 진화하게 되며, 정확도를 향상시키는 동시에 도구 호출 횟수를 약 20% 절감할 수 있습니다. 더 나아가, 우리는 정확도와 효율성 사이의 균형을 맞추는 모델의 전반적인 성능을 측정하기 위해 F-AE Score라는 새로운 지표를 도입합니다. 실험 결과는 WebClipper가 우수한 성능을 유지하면서 도구 호출 횟수를 압축할 수 있음을 입증하며, 웹 에이전트 설계 시 효과성과 효율성의 균형을 맞추는 데 있어 실용적인 통찰력을 제공합니다.

Deep Research systems based on web agents have shown strong potential in solving complex information-seeking tasks, yet their search efficiency remains underexplored. We observe that many state-of-the-art open-source web agents rely on long tool-call trajectories with cyclic reasoning loops and exploration of unproductive branches. To address this, we propose WebClipper, a framework that compresses web agent trajectories via graph-based pruning. Concretely, we model the agent's search process as a state graph and cast trajectory optimization as a minimum-necessary Directed Acyclic Graph (DAG) mining problem, yielding pruned trajectories that preserve essential reasoning while eliminating redundant steps. Continued training on these refined trajectories enables the agent to evolve toward more efficient search patterns and reduces tool-call rounds by about 20% while improving accuracy. Furthermore, we introduce a new metric called F-AE Score to measure the model's overall performance in balancing accuracy and efficiency. Experiments demonstrate that WebClipper compresses tool-call rounds under excellent performance, providing practical insight into balancing effectiveness and efficiency in web agent design.