Tongyi 实验室构建的信息检索WebAgent：WebWalker、WebCancer和WebSailor

WebAgent for Information Seeking bulit by Tongyi Lab: WebWalker & WebDancer & WebSailor 

• https://arxiv.org/pdf/2507.02592
• https://arxiv.org/pdf/2505.22648

⛵️ WebSailor的功能

一种完整的训练后方法，使模型能够进行扩展思维和信息寻求，最终使它们能够成功完成以前被认为无法解决的极其复杂的任务。
介绍SailorFog QA，这是一个具有高不确定性和难度的可扩展QA基准，通过图采样和信息混淆的新数据合成方法进行策划。SailorFog QA数据示例可以在以下网址找到：WebSailor/dataset/SailorFog-QA.jsonl
有效的后训练流程包括：

• （1）从专家轨迹中高质量地重建简洁推理，以进行清洁监督；
• （2）两阶段训练过程，包括
  • RFT冷启动阶段，
  • 然后是复制采样策略优化（DUPO），

这是一种高效的代理RL算法，在有效性和效率方面表现出色。
WebSailor-72B的性能明显优于所有开源代理和框架，同时缩小了与领先专有系统的性能差距，在BrowseComp en上得分12.0%，在BrowseComp zh上得分30.1%，在GAIA上得分55.4%。
检查站即将到来。

🌐 Webcancer的功能

使用ReAct框架的本地代理搜索推理模型，面向自主信息搜索代理和类似深度研究的模型。
我们引入了一种四阶段训练范式，包括

• 浏览数据构建、
• 轨迹采样、
• 监督微调以实现有效的冷启动，
• 以及强化学习以提高泛化能力，

使代理能够自主获得自主搜索和推理技能。
我们以数据为中心的方法集成了轨迹级监督微调和强化学习（DAPO），通过SFT或RL开发了一个可扩展的管道来训练代理系统。
WebCancer实现了Pass@3GAIA和WebWalkerQA的得分分别为64.1%和62.0%。

Github : https://github.com/Alibaba-NLP/WebAgent