Summary
把 rollback（多步回退到轨迹中任意先前状态）做成 web agent 自己决策调用的显式机制：critique 模块每步二值判断 continue/rollback，rollback 模块选择回退目标，浏览器通过 URL 重定向恢复状态——在 one-way greedy 与 best-first search 之间取得”能逃错误状态但不频繁切换”的中间点，live benchmark 零样本 +3~6pp。
Problem & Motivation
主流 web agent 是 greedy one-way search：一条轨迹走到黑，进入错误状态后无法高效逃脱。best-first search（如 Tree Search for LM Agents）虽能回溯，但频繁 state switch 开销大（8.1 vs 5.0 次切换）。作者的立场是让模型直接控制搜索过程：agent 自己判断当前状态是否值得继续，自己决定回退到哪一步——把回溯从外部搜索算法的控制流变成 agent 的可调用动作。
Method
三模块架构：
- Action Module：基于当前观察预测下一动作（常规 agent）。
- Critique Module：每步做二值决策（continue / rollback），判断当前状态质量；借鉴 self-refinement 思路。
- Rollback Module：一旦触发 rollback，选择回退到轨迹中哪个先前状态——多步回退一次完成，区别于既有工作只有单步
go_back。
状态恢复实现：记录 state trajectory，回退时通过 URL 重定向重置浏览器环境 + 轨迹切片（Algorithm 1）。这是纯 agent 侧实现，不依赖环境提供快照。
Key Results
- 零样本（Llama-3.3-70B / Qwen2.5-72B）：Mind2Web-Live Full% 24.07/27.36 vs one-way 20.92/24.53；WebVoyager Full% 44.30/51.90 vs 38.06/49.56。
- 效率：state switch 次数 5.0/4.5，显著低于 best-first 的 8.1/6.3。
- 微调（Llama-3.1-8B / Qwen2.5-7B）：rollback 数据微调后同样领先，Mind2Web-Live 21.70/20.75。
- Struggle ratio：需要恢复能力的实例中 one-way 卡死 19%，rollback 仅 7%。
- Test-time scaling：步数预算 8→16 时 rollback 曲线上升更快——回退能力放大步数预算的边际收益。
Strengths & Weaknesses
亮点：(1) 把”回溯”从搜索算法的外部控制流转为 agent 的一等动作，是 agent-controlled recovery 的最干净实证——介于 one-way 和 tree search 之间的第三条路径；(2) 在 live 站点（Mind2Web-Live、WebVoyager）上验证，不依赖沙盒；(3) struggle ratio 是很好的 recovery 专项度量。
局限：(1) 状态恢复靠 URL 重定向——只能恢复 URL 可编码的状态，表单输入、购物车、后端 session 全部丢失，作者自认”irreversible changes 下 reverting 不可行”；这正是缺环境级快照支持的天花板；(2) 仅 web navigation 域、微调只到 7B；(3) 没有与环境级 checkpoint 的对照——无法回答”agent 侧 URL 近似恢复损失了多少收益”。
对本方向的意义：WebRollback 证明了 agent 自主调用 recovery 的收益存在且可测，但其实现受限于浏览器 URL 技巧——恰好是 AgentFacing-WebRuntime 中 engine-level checkpoint()/restore() affordance 要补的缺口，与 2512-WebOperator 的可逆性分类互补。
Mind Map
mindmap root((WebRollback)) Problem one-way 无法逃错误状态 best-first 切换开销大 Method critique 二值决策 rollback 模块选回退点 URL 重定向恢复 多步回退一次完成 Results live 零样本 +3~6pp struggle 19%→7% switch 5.0 vs 8.1
Notes
- 与 2407-TreeSearchLMAgents 对照：同为回溯，Tree Search 是算法持有控制权（value function 决定探索顺序），WebRollback 是 policy 持有控制权（agent 自判自回）。控制权归属是 recovery 设计的一个独立维度。
- URL-only 恢复的失败模式没有被系统测量（哪些任务因状态丢失而恢复失败）——这是一个可做的 ablation 空隙。