SCAFFOLD는 시각적으로 복잡하고 사이트마다 달라지는 장기 과제형 웹 인터페이스를 다루는 웹 에이전트가 절차적 지식을 축적하지 못하고 매번 과제를 독립적으로 학습하는 문제를 해결하는 자기개선형 프레임워크다. 성공한 궤적으로부터 다중 인스턴스 추상화 제약 하에 파라미터화된 실행 가능 스킬을 유도하고, 상위 스킬이 하위 스킬을 호출하는 재귀적 계층 구조를 유지하며, 최소 설명 길이 기준과 행동적 동등성 검사로 라이브러리를 압축하고, 스킬이 반영된 궤적을 주기적으로 모델 가중치에 다시 증류해 내재화한다. WebArena, VisualWebArena, Online-Mind2Web 홀드아웃 분할 실험에서 가장 강력한 스킬 증강 베이스라인 대비 성공률을 11.1~17.2%포인트 향상시켰고, 다섯 차례의 자기개선 반복 동안 라이브러리 붕괴 없이 단조롭게 성능이 개선됐다.

• •성공 교적에서 파라미터화된 실행 가능 스타을 추출해 재귀적 계층으로 관리하는 SCAFFOLD 제안
• •최소 설명 길이(MDL) 기준과 행동적 동등성 검사로 스킬 라이브러리를 압축해 중복 문제 해결
• •WebArena 등 3개 벤치마크에서 최강 베이스라인 대비 성공률 11.1~17.2%p 향상
• •5회 자기개선 반복 동안 라이브러리 붕괴 없이 단조 성능 향상 확인, 코드 공개