阿里WebDancer突破：开源模型多轮推理超越GPT-4o，Deep Research不再遥不可及 | AI资讯

type

status

date

slug

summary

引言：智能信息检索的瓶颈与开源Agent的崛起

在信息爆炸的今天，我们对信息获取的需求日益深化，简单的关键词搜索已难以满足复杂问题的探索。无论是科研创新、商业决策还是学术研究，都需要能够进行深度信息挖掘和多步推理的智能助手。然而，构建能够理解复杂网页、进行多步决策、适应动态环境并自主行动的AI智能体，一直是人工智能（AI）领域的一大挑战。近期，阿里通义实验室推出的自主信息检索智能体WebDancer，不仅在多轮推理能力上展现出超越GPT-4o的潜力，更重要的是，它为开源模型进行Deep Research铺平了道路，预示着大模型（LLM）和通用人工智能（AGI）发展的新方向。更多AI前沿动态，欢迎访问AI门户AIGC导航站获取最新AI资讯和AI日报。

WebDancer如何攻克数据难题，赋能深度研究？

高质量的训练数据是训练强大AI智能体的基石，尤其是在需要复杂多步推理的自主信息检索领域。现有数据集往往难以满足这一需求。WebDancer团队创新性地提出了两种数据合成方法，有效解决了这一瓶颈：

1. CRAWLQA：模拟人类探索，挖掘真实世界数据 WebDancer通过模拟人类在权威网站（如学术论文库、代码托管平台、知识百科等）上的浏览和信息搜集行为，自动爬取网页内容并生成复杂的问答对。这种方法确保了训练数据的多样性、真实性和复杂性，使其更贴近真实世界的信息检索场景。

2. E2HQA：由简入繁，进化式构建推理阶梯 采用“由简到难”的策略，从简单问题入手，逐步增加问题的复杂度，系统性地构建包含多步推理链条的问答数据。这种渐进式的方法有助于智能体逐步学习和掌握复杂的推理能力，同时通过对问题进行精心改写来保证答案在复杂化过程中的一致性与准确性。

此外，WebDancer巧妙运用ReAct框架与思维链（Chain-of-Thought, CoT）蒸馏技术。它结合了像GPT-4o这样的先进闭源模型和特定开源模型的能力，通过生成包含“思考-行动-观察”循环的高质量轨迹数据，无论是简短直接的思考链还是包含复杂中间推理步骤的长思维链，都为智能体的学习提供了优质养料。严格的多阶段数据过滤策略——包括有效性控制、正确性验证和质量评估——进一步确保了训练数据的纯净与高效，为后续模型训练打下了坚实基础。

驾驭开放网络：WebDancer的创新训练之道

在动态变化、信息部分可观测的开放网络环境中训练AI智能体，挑战巨大。WebDancer为此设计了精巧的两阶段训练策略，旨在提升模型的适应性和泛化能力，这对于希望利用开源模型进行深入研究的开发者极具参考价值：

1. 监督微调（SFT）：快速掌握核心推理与决策 在第一阶段，WebDancer利用前述高质量的轨迹数据对模型进行监督微调。一个关键的优化是，在计算损失时屏蔽掉环境反馈（Observation）的贡献，使模型更专注于学习自主的思考（Thought）和行动（Action）逻辑。这种方法被证明能显著提高模型性能和在复杂环境中的鲁棒性。

2. 强化学习（RL）：在交互中持续进化与优化 第二阶段，WebDancer采用先进的DAPO（Dynamic Advantage-aware Policy Optimization）强化学习算法。智能体通过与真实环境的不断交互、试错和学习，优化其决策策略。DAPO算法通过动态采样机制，优先利用那些未被充分探索的数据对，从而提高数据利用效率和策略的鲁棒性，帮助智能体学会在复杂多变的环境中做出最优决策。这一阶段对于提升模型的实际应用能力至关重要，也是探索AI变现路径的关键。

WebDancer团队还通过算法优化和硬件资源的高效利用，显著降低了强化学习阶段的计算成本和时间开销，使得在开源模型上复现类似能力的系统成为可能。

实证卓越：WebDancer性能超越与深度洞察

WebDancer的创新策略在多个权威信息检索基准测试中得到了验证，展现了其强大的能力：

GAIA数据集：在评估通用AI助手复杂信息检索能力的GAIA测试中，WebDancer在不同难度任务上均取得高分，显示了其卓越的泛化能力。

WebWalkerQA数据集：专注于深度网络信息检索的WebWalkerQA测试中，WebDancer同样表现出色，尤其在中高难度任务上性能提升显著。

BrowseComp数据集：在更具挑战性的英文及中文BrowseComp数据集上，WebDancer也证明了其处理复杂信息检索任务的鲁棒性和有效性。

值得注意的是，表现最佳的WebDancer模型在GAIA基准测试中达到了61.1%的Pass@3分数，在WebWalkerQA基准测试中达到了54.6%的Pass@3分数，这些成果有力地证明了其在特定任务上超越如GPT-4o等顶尖模型的潜力。

实验分析还带来了宝贵的洞察： * 强化学习（RL）的价值：RL对于提升普通指令模型的性能效果显著，尤其能提高单次采样的准确率；对于以推理为核心的开源模型，RL则更多体现在提升结果的稳定性上。 * 数据质量远胜数量：仅用约6000条高质量、具备长思维链的Agentic训练数据，就能在GAIA任务中取得优异效果，凸显了精细构造的思维轨迹的巨大价值。 * 思维链模式的迁移性：长短思维链模式在不同类型模型间的迁移性有限。长思维链虽能提升性能，但也可能增加无效生成的风险，尤其在参数较小的模型上，需要在效果与体验间寻求平衡。这些经验对于设计高效的提示词（Prompt）和训练策略至关重要。

开源Agent的曙光：WebDancer的启示与未来

WebDancer的研究不仅仅是一个模型的成功，它更为重要的是为构建具备强大Agent能力的开源模型提供了清晰的路径和方法论。它强调了从头训练一个原生支持推理、决策及多步工具调用的基础模型（foundation models）的可能性，这类模型能够仅凭任务描述提示，就展现出规划、自我反思、行动执行等涌现能力。

未来，WebDancer计划集成更多复杂工具（如浏览器建模、Python沙盒），并从当前的短答案信息检索扩展到开放域的长文本写作等更复杂的任务，这将对智能体的推理和生成能力提出更高要求。

这项研究采用原生的ReAct框架，体现了“大道至简”的工程哲学，其探索对于理解智能体在开放环境中如何涌现与扩展（scale）其能力具有基础性意义。它无疑将推动AI智能体模型的开源进程，激发更多基于开源大模型（LLM）的创新应用。

结论：拥抱开源，共创AI智能未来

阿里WebDancer的出现，不仅展示了其在多轮推理和自主信息检索方面的技术领先性，更向我们揭示了开源模型在实现“Deep Research”这类复杂AI任务上的巨大潜力。它证明了通过系统化的数据构建、创新的训练范式和对Agentic本质的深刻理解，我们能够构建出媲美甚至在特定方面超越顶级闭源模型的AI智能体。这对于整个AI社区，特别是关注人工智能（AI）、AGI和LLM发展的研究者和开发者来说，是一个令人振奋的消息。

随着技术的不断进步，我们有理由相信，开源的力量将推动AI向更智能、更普惠的方向发展。想要获取更多AI领域的最新资讯、AI新闻、AI日报，以及关于提示词（Prompt）工程、AI变现等实用信息，请持续关注AIGC导航站，与我们一同见证并参与这场智能革命。