【AI】刷新复杂Agent推理记录！阿里通义开源网络智能体超越DeepSeekR1，Grok-3

主要观点总结

本文介绍了阿里巴巴通义大模型推出的WebSailor方案，通过一系列创新方法大幅提升开源模型在复杂网页推理任务上的表现。文章详细阐述了WebSailor的核心方法、数据集构建、RFT冷启动训练、DUPO高效强化学习训练框架等。实验结果显示，WebSailor在多个benchmark集上表现优秀，成为当前最强的开源网络智能体。

关键观点总结

关键观点1: WebSailor的核心方法

通过一系列创新方法大幅提升开源模型在复杂网页推理任务上的表现，包括数据合成、RFT冷启动训练、DUPO高效强化学习训练框架等。

关键观点2: 数据集构建

通过模仿随机游走的方式，在真实网页上爬取信息并构建知识图谱，形成用于锻炼模型的高难度数据集。

关键观点3: RFT冷启动训练

采用拒绝采样微调（RFT）的方式，用高质量的轨迹对模型进行初步对齐，为后续强化学习奠定基础。

关键观点4: DUPO高效强化学习训练框架

在强化学习中引入双阶段动态采样策略，大幅提高训练效率，确保模型在密集工具交互的情境中仍能快速迭代。

关键观点5: 实验结果

WebSailor在多个benchmark集上表现优秀，成为当前最强的开源网络智能体，尤其在最困难的BrowseComp基准上展现出强大的推理和规划能力。