TimeWarp：用“回到过去”评估 Web 智能体的跨版本泛化能力

研究者提出 TimeWarp 基准，用三个 Web 环境、每个含六种跨时代 UI 版本，评估 Web 智能体在网页演化下的表现，发现视觉型智能体易受变化影响，文本型智能体在单一版本微调后变脆弱。为此提出基于计划蒸馏的 TimeTraj 标注方法，用 BC 变体训练后 Qwen-3 4B 从 20.4% 提升至 37.7%，Llama-3.1 8B 从 0% 提升至 27.0%。