تعتبر عملية تصفح الويب واحدة من التحديات الكبيرة التي تواجه أنظمة الذكاء الاصطناعي الحديثة، حيث يتعين على الوكلاء (agents) اتباع أهداف لغوية طبيعية، والتفاعل مع صفحات الويب، وإنتاج إجابات دقيقة. ومع تزايد تقدم النماذج الخاصة بالذكاء الاصطناعي مثل نماذج رؤية اللغة (Vision-Language Models) والتعلم المعزز (Reinforcement Learning)، إلا أن الطرق الحالية لا تزال تعاني من هشاشة في خطواتها الفردية بسبب عدم توافق المكافآت (reward misalignment) وانتقال الأخطاء (error propagation).

لمواجهة هذه التحديات، تم تصميم نظام جديد يعرف بـ Dynamic Dual-Policy Optimization (DDPO)، والذي يتيح التحويل الديناميكي بين وضعية التنقل (navigation-first mode) لاستكشاف المعلومات، ووضعية الإجابة (answer-first mode) للحفاظ على دقة الأجوبة. هذا التوجيه الديناميكي يساعد في تقليل الصراعات المتعلقة بالمكافآت.

علاوة على ذلك، يقدم النظام آلية جديدة تُسمى Confidence-Guided Adaptive Navigation Reflection (CANR)، والتي تقوم بتقدير الثقة في كل خطوة، وتفعيل التأمل فقط عندما يكون ذلك ضروريًا، واستخدام المكافآت التباينية (contrastive rewards) لتشجيع التصحيح الذاتي وتعزيز الدقة.

بفضل هذين العنصرين الرئيسيين، تم تطوير StepGuard، وهو إطار عمل جديد يهدف إلى تأمين تجربة تصفح الويب من خلال تحسين المعايير الخاصة بالخطوات الفردية. وقد أظهرت التجارب أن هذا النظام الجديد يزيد بشكل ملحوظ من دقة كل من التنقل والإجابات، واضعًا معايير جديدة لأداء الويب القياسي.