IT之家5月30日消息 ，阿里巴巴昨日在Github上开源了其创新的自主搜索AIAgent——WebAgent ，具备端到端的自主信息检索与多步推理能力，能够像人类一样在网络环境中主动感知 、决策和行动。例如 ，当用户想了解某个特定领域的最新研究成果时 ，WebAgent能够主动搜索多个学术数据库，筛选出最相
IT之家5月30日消息 ，阿里巴巴昨日在Github上开源了其创新的自主搜索AIAgent——WebAgent ，具备端到端的自主信息检索与多步推理能力，能够像人类一样在网络环境中主动感知 、决策和行动 。
例如，当用户想了解某个特定领域的最新研究成果时 ，WebAgent能够主动搜索多个学术数据库 ，筛选出最相关的文献，并根据用户的需求进行深入分析和总结 。
据介绍 ，WebAgent不仅能识别文献中的关键信息 ，还能通过多步推理将不同文献中的观点进行整合，最终为用户提供一份全面且精准的研究报告。
阿里巴巴WebAgent分为WebDancer和WebWalker ，前者是一种端到端智能体训练框架 ，旨在增强基于网络的AI智能体的多步骤信息搜索能力；后者则属于“Web遍历中的LLM基准测试” 。
WebAgents上的性能：
WebDancer的框架一共由4大块组成，从数据构建到训练优化 ，逐步打造出能够自主完成复杂信息检索任务的智能体 。
浏览数据构建是整个框架的起点。在现实世界中 ，高质量的训练数据是智能体能够有效学习和泛化的关键 。WebDancer通过两种创新的数据合成方法来解决传统数据集的局限性 。
为了确保生成的轨迹既有效又连贯，WebDancer采用了短推理和长推理两种方法。短推理利用大模型直接生成简洁的推理路径 ，而长推理则通过推理模型逐步构建复杂的推理过程。
在数据准备完成后 ，WebDancer进入监督微调（SFT）阶段 。这一阶段的目标是通过高质量的轨迹数据对智能体进行初始化训练，使其能够适应信息检索任务的格式和环境要求 。
在SFT过程中，WebDancer将轨迹中的思考、行动和观察内容分别标记 ，并计算损失函数 ，以优化模型的参数。为了提高模型的鲁棒性，WebDancer在计算损失时排除了外部反馈的影响 ，确保模型能够专注于自主决策过程 。这一阶段的训练为智能体提供了强大的初始能力 ，使其能够在后续的强化学习阶段更好地适应复杂的任务环境 。
强化学习（RL）阶段是WebDancer框架的关键环节。在这一阶段，智能体通过与环境的交互 ，学习如何在复杂的任务中做出最优决策 。WebDancer采用了DAPO算法 ，这是一种专门针对智能体训练设计的强化学习算法 。
DAPO算法通过动态采样机制，有效利用未充分利用的QA对 ，提高数据效率和策略的鲁棒性。在RL过程中 ，智能体通过多次尝试和反馈，逐步优化其决策策略 ，最终实现高效的多步推理和信息检索能力 。
IT之家附WebAgent官方地址：
Github：https://github.com/Alibaba-NLP/WebAgent
本文来自作者[许多金子]投稿，不代表义乌市灯林网络科技有限公司立场，如若转载，请注明出处：http://wap.ywdds.top/zxkd/170.html
评论列表（4条）
我是义乌市灯林网络科技有限公司的签约作者“许多金子”！
希望本篇文章《阿里巴巴开源自主搜索 AI 智能体 WebAgent》能对你有所帮助！
本站[义乌市灯林网络科技有限公司]内容主要涵盖：义乌市灯林网络科技有限公司
本文概览：IT之家5月30日消息，阿里巴巴昨日在Github上开源了其创新的自主搜索AIAgent——WebAgent ，具备端...