WebUncertainty：双层不确定性驱动的自主 Web 智能体规划与推理

针对现有自主 Web 智能体在动态交互和长程执行中因规划僵化及推理幻觉而表现不佳的问题，本文提出 WebUncertainty 框架。该框架通过任务不确定性驱动的自适应规划机制，灵活选择规划模式以应对未知环境；同时引入动作不确定性驱动的蒙特卡洛树搜索推理机制，利用置信度诱导策略量化偶然与认知不确定性，优化搜索过程并引导稳健决策。实验表明其在 WebArena 和 WebVoyager 基准上优于最先进基线。