Valeu, leitura certeira. Só um detalhe: no benchmark, o LLM no controle recebe a mesma lista numerada que o ANCHOR, sem captura de tela, então a diferença não é enxergar mais. A minha hipótese é o jeito de agir: ele explora (clica no "Mostrar mais" para ver o que aparece), enquanto o planejador do ANCHOR planeja em direção a um alvo pelo nome, e, se o alvo ainda não está na lista, não há passo para ele.

Uma correção possível é tratar os controles que revelam conteúdo ("Mostrar mais", expansores) como candidatos quando o alvo não aparece, e replanejar depois de abri-los. E concordo: quem vai dizer se isso se mantém são os 80 pedidos do conjunto fechado.