这项由卡内基梅隆大学沈俊泓、 斯坦福大学Aviral Kumar等人领导的研究团队发表于2025年6月的arXiv预印本，为我们揭示了一个令人意外的发现：让AI智能体多尝试几次行动，往往比让它深入思考每一步更能解决复杂问题。这就像是在告诉我们，有时候"试试看"比"想半天"更管用。有兴趣深入了解的读者可以通过arXiv:2506.07976v2访问完整论文。
想象一下，你正在网上帮朋友订酒店。传统的做法是：看到第一个符合条件的酒店后，仔细研究它的每一个细节，反复思考是否合适，然后做决定。而这项研究提出的新方法则是：快速浏览多个酒店选项，比较它们的价格、位置和评价，然后再做最终选择。研究团队发现，后一种方法在很多情况下效果更好。
这个发现对于AI领域来说相当重要，因为它挑战了我们一直以来的假设。以前，大家普遍认为让AI"想得更深"就能做得更好，就像让一个人在考试时花更多时间思考每道题一样。但这项研究表明，在某些复杂的任务中，让AI有机会尝试更多不同的行动路径，实际上比延长单步思考时间更有效。
这就像是探索一个未知城市的两种方式。第一种是站在每个路口深思熟虑很久，试图通过分析周围环境来判断最佳路线。第二种是快速走几条不同的路，实际感受每条路的情况，然后调整方向。研究发现，在复杂环境中，第二种探索方式往往能更快找到目的地。
一、重新定义AI智能体的"聪明"标准
传统上，我们衡量AI智能体是否聪明，主要看它在每一步行动前能思考多深入。这就像评判一个棋手是否优秀，主要看他在下每一步棋前能计算多少步。这种思路催生了很多让AI在行动前进行长时间"内心独白"的方法，比如让它详细分析当前情况，制定复杂的计划，然后才执行行动。
但研究团队意识到一个问题：在现实世界中，很多信息是隐藏的，只有通过实际行动才能获得。这就像你在一家新餐厅点菜，无论你怎么研究菜单和网上评价，都不如实际尝一口来得准确。对AI智能体来说也是如此，它可能需要实际点击网页、输入信息、观察反馈，才能真正了解环境的状态。
研究团队把这种让AI智能体进行更多交互步骤的方法称为"测试时交互扩展"。这个名字听起来很技术性，但其实概念很简单：就是给AI更多机会去"试试看"，而不是让它在原地"想想看"。这就像给一个学开车的人更多练习时间，而不是让他在驾校教室里反复背诵理论知识。
这种方法的核心理念是，在很多复杂任务中，行动本身就是获取信息的最好方式。当AI智能体在网上搜索信息、填写表格或者浏览商品时，每一次点击和输入都会带来新的信息，这些信息可能完全改变它对任务的理解。就像你在逛街时，只有走进店铺实际看看，才知道里面有什么商品，而不能仅凭门面来判断。
二、从网页浏览看AI的学习策略
为了验证这个想法，研究团队选择了网页浏览任务作为试验场。这个选择很聪明，因为网页浏览就像现实生活的缩影，充满了不确定性和隐藏信息。当你在网上购物或查找信息时，你需要点击链接、填写表单、滚动页面，每一个行动都会揭示新的信息。
研究团队设计了一个简单而巧妙的实验。他们让AI智能体完成各种网页任务，比如在购物网站上找到符合特定条件的商品，或者在社交媒体上搜索特定信息。然后他们比较了两种策略的效果：一种是让AI在每步行动前进行长时间思考，另一种是给AI更多机会进行实际交互。
结果令人惊讶。在固定的计算资源下（可以理解为固定的"时间和精力"预算），让AI进行更多交互步骤往往比让它进行更深入的单步思考效果更好。这就像给你固定的时间来选择餐厅，快速查看几家餐厅的菜单和价格，比花同样时间深入研究一家餐厅的所有细节更容易找到满意的选择。
更有趣的是，研究团队发现这种交互扩展的效果会随着任务复杂度的增加而变得更加明显。简单任务可能确实受益于深入思考，但复杂任务往往需要更多的探索和尝试。这就像解决拼图游戏，简单的拼图可能通过仔细观察就能找到正确位置，但复杂的拼图需要不断尝试不同的组合。
在具体的实验中，研究团队观察到一个特别有意思的现象：当AI被允许进行更多交互时，它会表现出类似人类的探索行为。比如，在寻找特定商品时，它会先快速浏览多个选项，发现某个选项不符合要求后会返回重新搜索，或者在遇到困难时会尝试不同的搜索关键词。这种行为模式与人类在面对不确定情况时的策略非常相似。
三、打造会"学以致用"的智能助手
发现了"多交互胜过深思考"这个规律后，研究团队面临一个新挑战：如何训练AI智能体学会有效利用这些额外的交互机会？这就像教一个学生不仅要学会知识，还要学会在考试时合理分配时间和精力。
他们开发了一种叫做TTI（测试时交互）的训练方法。这个方法的核心思想类似于体育训练中的"渐进式训练"。想象一下教一个人学游泳，你不会一开始就把他扔到深水区，而是先让他在浅水区适应，然后逐渐增加水深和游泳距离。
TTI的训练过程就是这样设计的。一开始，AI智能体只能进行较少的交互步骤，这迫使它学会快速找到解决问题的基本方法。就像先让学生学会解决简单的数学题，建立基础技能。然后，随着训练的进行，逐渐允许智能体进行更多的交互步骤，让它学会处理更复杂的情况，比如需要多次尝试和调整策略的任务。
这种渐进式训练的好处在于，它避免了一个常见的陷阱：如果一开始就给AI太多自由度，它可能会养成漫无目的地"乱点"的坏习惯，就像给小孩子太多玩具可能让他无法专注学习一样。通过先限制再放开的方式，AI学会了既要高效利用基础步骤，又要在需要时进行有目的的探索。
在实际训练中，研究团队发现了一个有趣的现象：随着训练的深入，AI智能体开始表现出类似人类的适应性行为。在简单任务中，它会快速直达目标，不浪费额外的交互机会。但在复杂任务中，它会主动利用更多步骤来探索不同选项，甚至会在发现错误后主动返回重新开始。这种自适应行为正是研究团队希望看到的。
更令人惊喜的是，训练过程中AI智能体还学会了一些研究团队没有明确教授的技能。比如，它学会了在网页搜索中使用不同的关键词组合，学会了在遇到弹窗或错误页面时返回重试，甚至学会了在多个候选答案中进行比较和权衡。这些行为表明，通过合适的训练方法，AI确实可以发展出复杂的问题解决策略。
四、实验室成果走向现实应用
为了验证TTI方法的实际效果，研究团队在两个广泛使用的网页智能体基准测试上进行了全面评估。这就像让一个新培训的员工在不同部门实习，看看他的技能是否真的适用于各种实际工作场景。
在WebVoyager测试中，这是一个包含13个不同网站类型、427个任务的综合测试平台，TTI训练的智能体取得了64.8%的成功率。这个数字听起来可能不算很高，但要知道这些任务包括在复杂的购物网站上找特定商品、在学术网站上搜索论文、在社交媒体上查找特定信息等各种困难任务。更重要的是，这个成绩在同类开源AI智能体中创下了新纪录。
更令人印象深刻的是智能体在不同类型网站上的表现差异。在信息密集型网站（比如食谱网站Allrecipes和学术数据库Cambridge），TTI训练的智能体表现特别出色，成功率分别提升了31.4%和15.6%。这些网站的特点是信息量大、需要多次点击和比较才能找到目标信息，正好发挥了交互扩展的优势。
然而，研究团队也诚实地报告了一些局限性。在某些网站（如Amazon和GitHub）上，TTI智能体的表现反而不如传统方法。深入分析发现，这是因为这些网站的信息相对标准化，而且基础AI模型已经对这些网站的结构比较熟悉。在这种情况下，额外的探索反而可能带来干扰，就像一个已经很熟悉路线的司机，走太多"探索性"道路反而可能迷路。
在WebArena测试中，这是一个更加严格的测试平台，包含812个复杂任务，TTI方法同样表现出色。虽然总体提升幅度相对较小（从18.3%提升到26.1%），但要考虑到这个测试平台的任务更加困难，每个百分点的提升都代表着显著的技术进步。
五、深度剖析：为什么"多试试"比"多想想"更有效
为了理解为什么交互扩展会如此有效，研究团队进行了细致的分析，就像医生解剖人体来理解器官功能一样。他们发现了几个关键原因。
首先是信息获取的根本差异。在网页浏览这样的任务中，很多关键信息是隐藏的，只有通过实际操作才能获得。这就像寻宝游戏，地图上可能标注了大概位置，但具体的宝藏位置需要实地挖掘才能确定。当AI智能体点击一个链接或填写一个表单时，它获得的不仅是新的页面内容，还有对整个网站结构和逻辑的更深理解。
其次是错误纠正的机会。传统的"深思考"方法假设AI能够在行动前预见所有可能的结果，但现实往往更加复杂。通过允许更多交互步骤，AI获得了犯错和纠正的机会。研究团队观察到，表现良好的智能体经常会在发现某个选择不合适后主动返回重新选择，这种行为在限制交互步骤的情况下是不可能的。
第三个重要因素是适应性策略的发展。当AI拥有更多交互机会时，它会根据任务的实际复杂度调整策略。对于简单任务，它会快速执行标准流程。对于复杂任务，它会投入更多步骤进行探索和比较。这种自适应行为类似于人类在面对不同复杂度问题时的策略调整。
研究团队还发现了一个有趣的现象：随着交互步骤的增加，AI智能体每步的"思考"反而变得更加简洁高效。这似乎与常识相矛盾，但实际上很合理。当AI知道它有机会通过后续行动获得更多信息时，它就不需要在当前步骤过度思考，而是可以快速行动然后根据反馈调整。这就像开车时，有经验的司机会根据实时路况快速调整路线，而不是在出发前试图预测所有可能的交通状况。
六、真实案例：智能体的"学习进化"过程
为了更直观地展示TTI方法的效果，研究团队展示了一些具体的案例，这些案例就像智能体的"成长日记"，记录了它从笨拙到熟练的转变过程。
在一个寻找苹果派食谱的任务中，要求找到评分至少4星、评论超过50条的美式苹果派食谱，并记录烘焙的最高温度。早期训练阶段的智能体表现得像一个急躁的购物者：看到第一个可能符合条件的食谱就立即选择，即使遇到无法关闭的弹窗也坚持在同一个食谱上反复尝试，结果往往失败。
经过TTI训练后，同样的智能体变得像一个经验丰富的美食爱好者：它会先浏览多个食谱选项，发现某个食谱有技术问题（比如弹窗无法关闭）时会果断返回选择其他选项，比较不同食谱的评分和评论数量，最终选择真正符合所有条件的食谱。整个过程展现出明显的计划性和适应性。
在一个GitHub项目搜索任务中，目标是找到2022年创建的与"AI农业"相关的开源项目。训练不足的智能体往往会在搜索结果的第一页停留太久，试图通过仔细阅读项目描述来判断是否符合要求，但由于信息不完整，经常做出错误判断。
而经过充分训练的智能体则展现出完全不同的策略：它会快速浏览多页搜索结果，点击进入具体项目页面查看详细信息，发现不符合条件时会立即返回继续搜索。更重要的是，它学会了使用不同的搜索关键词组合来扩大搜索范围，这种行为完全是它在训练过程中自主学会的，并非研究团队明确教授的技能。
特别有趣的是，研究团队还记录了智能体的一些"失败案例"，这些案例揭示了当前方法的局限性。在某些情况下，智能体会过度依赖重新搜索，即使问题可以通过更仔细的页面浏览解决，它也会选择返回搜索页面重新开始。这就像一个人在商场迷路时，总是回到入口重新开始，而不是尝试从当前位置找到正确方向。
另一个局限性是智能体有时缺乏自我验证能力。比如在寻找特定年份创建的项目时，智能体可能会找到一个2025年的项目，明知不符合2022年的要求，但仍然提交这个答案。这表明虽然智能体在信息搜集方面有了显著进步，但在逻辑验证方面仍有改进空间。
七、意想不到的发现：AI的"个性化"行为模式
在深入分析智能体的行为数据时，研究团队发现了一些意想不到的现象，这些发现让我们对AI的学习能力有了新的认识。
首先是智能体表现出的"领域适应性"。虽然使用相同的训练方法，智能体在不同类型的网站上会自动调整行为策略。在电商网站上，它会表现得像一个谨慎的购物者，会比较多个商品的价格和评价。在学术网站上，它则像一个严谨的研究者，会仔细检查论文的发表年份、作者信息和引用数据。在社交媒体上，它又变成一个灵活的信息搜集者，会尝试不同的搜索关键词和过滤条件。
这种适应性并非研究团队针对不同网站类型进行的专门训练，而是智能体在通用训练过程中自主发展出的能力。这就像一个经验丰富的销售员，虽然接受的是通用的销售培训，但在面对不同类型的客户时会自然地调整沟通策略。
其次是智能体的"学习曲线"呈现出明显的阶段性特征。在训练初期，智能体主要学习基础的网页操作技能，比如如何点击链接、如何填写表单、如何使用搜索功能。在中期，它开始学习任务规划能力，比如将复杂任务分解为多个步骤，学会在不同页面之间导航。在后期，它发展出了高级的策略能力，比如如何在多个候选答案中做出最佳选择，如何处理异常情况和错误。
更令人惊讶的是，智能体还展现出了某种"创造性"行为。在一些复杂任务中，它会尝试研究团队没有明确教授的方法。比如，在寻找特定信息时，它学会了使用网站的高级搜索功能，学会了通过查看网站的帮助文档来理解功能，甚至学会了通过分析URL结构来预测页面内容。
研究团队还观察到智能体的"风险管理"行为。在面对不确定情况时，它会采用保守策略，比如在提交答案前会返回确认关键信息，在遇到可能的错误时会尝试多种解决方案。这种行为模式与人类在处理重要任务时的谨慎态度非常相似。
八、技术突破背后的深层洞察
这项研究的意义远远超出了技术层面的改进，它揭示了关于智能和学习的一些深层规律。传统的AI发展思路往往假设"更深的思考等于更好的结果"，这反映了人类对智能的一种直觉理解：聪明人应该能够通过深思熟虑来解决问题。
但这项研究挑战了这种假设，提出了一个重要观点：在复杂的现实环境中，行动本身就是获取信息和验证假设的重要手段。这就像科学研究中实验的重要性：无论理论多么完善，都需要通过实验来验证和完善。对AI智能体来说，与环境的交互就相当于进行"实验"，每次交互都能获得新的信息，修正对环境的理解。
这种认识对AI领域具有重要的指导意义。它暗示我们在设计AI系统时，不应该过分强调单步决策的完美性，而应该给AI更多试错和调整的机会。这就像培养一个优秀的运动员，不是要求他每个动作都完美无瑕，而是要培养他在比赛中快速调整和适应的能力。
从计算效率的角度来看，这项研究也提供了新的视角。传统观点认为，增加计算量主要应该用于让AI"思考得更深"。但研究结果表明，将同样的计算资源用于支持更多的交互步骤，往往能获得更好的效果。这就像分配学习时间一样，与其花大量时间反复思考一道题，不如适当增加练习题的数量，通过多样化的练习来提高能力。
这种发现对于AI的商业应用也有重要启示。在设计智能客服、智能助手或自动化系统时，给这些系统一定的"试错空间"可能比要求它们每次都给出完美答案更加实用。用户往往更愿意与一个能够主动探索、快速调整的AI系统交互，而不是一个反应迟缓但理论上更"准确"的系统。
九、现实应用前景和发展方向
这项研究的成果已经开始在实际应用中显示出价值。在网页自动化任务中，比如自动填写表单、自动搜索信息、自动比较产品等场景，TTI训练的智能体表现出明显的优势。这些应用场景在电商、金融、教育等行业都有广泛需求。
想象一下未来的智能购物助手：它不会只是简单地根据你的要求搜索商品，而是会像一个经验丰富的购物顾问一样，主动浏览多个商店，比较不同产品的特点，甚至会根据当前的促销活动调整推荐策略。当遇到缺货或价格变动时，它能够快速调整搜索策略，找到最佳的替代方案。
在客户服务领域，这种技术可以创造出更加智能和灵活的客服系统。传统的客服机器人往往只能根据预设的规则回答问题，但基于TTI技术的客服系统可以主动搜索相关信息，在多个数据源之间交叉验证，甚至可以在发现信息不准确时主动更新知识库。
研究团队也坦诚地指出了当前技术的局限性和未来的发展方向。目前的方法主要在网页环境中得到验证，但现实世界的应用场景往往更加复杂。比如，在物理机器人控制、复杂的软件操作或多模态交互中，如何应用交互扩展的思想还需要进一步研究。
另一个重要的发展方向是如何在保持探索能力的同时提高效率。虽然更多的交互步骤能够带来更好的结果，但也意味着更高的计算成本和更长的响应时间。如何在效果和效率之间找到最佳平衡点，是未来研究需要重点关注的问题。
安全性和可控性也是需要考虑的重要因素。给AI智能体更多的自主探索能力，也意味着需要更好的监控和控制机制，确保它们的行为始终在预期范围内。这就像给一个实习生更多自主权的同时，也需要建立相应的指导和监督机制。
研究团队还提到了与其他AI技术结合的可能性。比如，将交互扩展与大语言模型的推理能力相结合，可能创造出既善于思考又善于行动的智能体。将其与多模态AI相结合，可能开发出能够同时处理文本、图像、声音等多种信息的综合智能助手。
说到底，这项研究为我们展示了AI发展的一个新方向：不是让AI变得更像一个深思熟虑的哲学家，而是让它变得更像一个灵活适应的实践者。在这个信息爆炸、环境快速变化的时代，也许我们真正需要的智能助手不是那种能够给出完美理论答案的系统，而是那种能够在复杂现实中快速学习、灵活调整、持续改进的伙伴。
这种认识提醒我们，真正的智能可能不仅仅在于深度思考的能力，更在于在行动中学习、在实践中成长的能力。正如这项研究所揭示的，有时候最好的策略不是"三思而后行"，而是"边行边思，在行动中完善思考"。对于AI的未来发展来说，这无疑开辟了一个充满可能性的新领域。未来的AI系统可能会更加主动、更加适应性强，也更加贴近人类在复杂环境中解决问题的真实方式。
