摘要
论文提出 WebMix：先在 source interfaces 上训练 KL-anchored LoRA bank，再让 bounded scout 为新界面写 manual，由小型 router 一次前向生成 adapter mixture，不在目标界面做梯度更新。（来源：原始资料（本地存档））
核心内容
- Agent 读取 accessibility tree，执行 browser click/type/scroll，并在 TimeWarp 与 WebArena-Lite-v2 的 domain/version transfer 上评测。（来源：原始资料（本地存档），pp.4-8）
- TimeWarp unseen-domain pooled success 中，Qwen 从 transferred LoRA 的 25.42% 提升到 33.75%，Llama 从 8.33% 提升到 15.83%；WebArena-Lite-v2 对应为 29.22%→34.42% 与 12.12%→16.67%。（来源：原始资料（本地存档），Tables 1-2）
- 最有效设置只 scout 1 个 domain task；增加到 3 或 5 个反而降低平均分，去掉 KL anchor 也下降超过 7 points。（来源：原始资料（本地存档），Table 3、Figure 3）
- 训练是 SFT/BC，不是严格 Agentic RL；部署时 frozen composition 也不构成 Recursive Self-Improvement。（来源：原始资料（本地存档））
相关页面
来源
- 原始文件：原始资料（本地存档）
- 定位信息：正文 pp.1-9、15-16，Tables 1-3，Figure 3；官方代码仓库截止 2026-10-16 的 README、tests 与 tree。
待核实问题
- 传统数字 arXiv ID、同行评审状态和正式出版记录待核实。
- 需公开许可证、CI、完整模型/数据 artifact，并独立复现 live web、安全边界和视觉 grounding。