登頂開源Agent榜首！阿里通義WebSailor打破閉源系統性能壟斷 原創
7月8日，阿里通義實驗室正式開源其最新網絡智能體 WebSailor，這一突破性技術在多個高難度任務評測中刷新了開源系統的成績記錄，成為首個在BrowseComp等基準測試中逼近閉源系統能力的開源方案。
突破性性能表現：超越開源對手，直追閉源巨頭
在權威評測平臺BrowseComp的嚴格測試中，WebSailor展示了令人矚目的能力：
- 在英文評測集（BrowseComp-en）中達到12.0%的準確率
- 在中文評測集（BrowseComp-zh）中取得30.1%的優異成績
- 在GAIA信息檢索子集上表現突出，準確率達55.4%
特別值得關注的是，在開源智能體領域，WebSailor實現了斷層式領先，顯著超越DeepSeek R1等知名開源方案，并在多個指標上逼近Grok-3、Doubao-Search等閉源方案的性能水平。
BrowseComp評測集由OpenAI發布，包含1266個極具挑戰性的檢索任務，要求模型在開放網頁環境中展示搜索、篩選、整合和推理能力。這些任務設計復雜，線索分散在不同類型和時期的模糊信息源中，形成一張巨大的“信息迷霧網”。
核心技術創新：破解高不確定性任務
WebSailor的成功源于其完整的后訓練方案，該方案貫穿數據生成、冷啟動調優和強化學習三大階段：
1. SailorFog-QA：高不確定性任務生成引擎
為解決復雜推理任務數據匱乏的難題，通義團隊創新性地構建了SailorFog-QA問答數據集，通過獨特方法生成高不確定性任務：
- 隨機游走建圖：從維基數據等知識庫中選取冷門實體作為起點，在真實網頁上隨機擴展，構建高度非線性、稠密連接的知識網絡
- 信息模糊化處理：將確切年份表述為“21世紀初”，人物姓名隱去一部分，用定性描述替代精確數值，大幅提升初始不確定性
- 復雜子圖采樣：從構建的知識圖中隨機采樣子圖設計問答對，問題橫跨多個領域，形成豐富多樣的信息集合
這種方法生成的訓練數據具有真實互聯網分布特征，涵蓋多樣化的復雜推理模式，且規?？蓴U展，為模型提供了充足的“難題燃料”。
2. 推理重構：優化思維鏈表達
在收集開源大模型（如Qwen和DeepSeek R1）解題軌跡后，研究團隊發現這些模型表現出高度固定且冗長的思維過程。WebSailor創新性地對這些軌跡進行重構：
- 保留正確的Action-Observation軌跡
- 重構Thought過程，確保每一步思考簡潔且行動導向
- 創建干凈、有效的RFT數據集，捕捉邏輯過程而非固定風格
這一重構顯著提升了模型在長周期Web任務中的性能表現和可讀性，避免冗長思維鏈占滿上下文窗口的問題。
3. 層次化智能體協作框架
WebSailor采用類似阿里PC-Agent的分層決策架構，將復雜任務分解為可管理的子單元：
- Manager智能體：負責復雜指令拆解與跨子任務通信
- Progress智能體：跟蹤和總結子任務執行進度
- Decision智能體：生成操作決策
- Reflection智能體：根據操作前后變化判斷效果，提供反饋
這種結構有效處理了子任務間復雜的依賴關系，顯著降低了單一任務的決策難度。
高效訓練策略：冷啟動與強化學習創新
WebSailor的訓練流程采用雙階段優化策略：
RFT冷啟動微調
- 基于Qwen-2.5（72B/32B）系列模型初始化
- 使用幾千條高質量軌跡進行拒絕采樣微調
- 快速建立基本工具使用和思維框架
DUPO強化學習算法
- 雙階段動態采樣策略：前期剔除簡單問題，專注高難度軌跡；訓練中重復采樣困難軌跡
- 實現2-3倍的訓練速度提升
- 顯著提高復雜Agent的樣本效率
DUPO算法通過動態篩選高質量訓練樣本，將傳統強化學習方法的效率瓶頸一舉突破。
參考
- paper: https://arxiv.org/pdf/2507.02592
- code: https://github.com/Alibaba-NLP/WebAgent
- model:https://huggingface.co/Alibaba-NLP/WebDancer-32B
- data: https://huggingface.co/datasets/callanwu/WebWalkerQA
本文轉載自??AI 博物院?? 作者：longyunfeigu
