WebExplorer：用于训练长时序网页代理的探索与演进

大型语言模型（LLM）的范式正日益向**代理式应用**转移，而网页浏览能力是检索多样化在线信息来源的基础。然而，现有的开源网页代理要么在复杂任务上的信息检索能力有限，要么缺乏透明的实现。在这项工作中，我们发现关键挑战在于缺乏具有挑战性的信息检索数据。为了解决这一限制，我们引入了 WebExplorer：一种系统性的数据生成方法，采用基于模型的探索以及迭代的、从长到短的查询演变。该方法创建了需要多步推理和复杂网页导航的挑战性查询-答案对。通过利用我们精心策划的高质量数据集，我们成功地开发了先进的网页代理 WebExplorer-8B，该代理经过监督微调，然后进行强化学习。我们的模型支持 128K 的上下文长度和高达 100 次的工具调用回合，从而能够解决长时限问题。在各种信息检索基准测试中，WebExplorer-8B 在其规模下取得了最先进的性能。值得注意的是，作为一个 8B 大小的模型，WebExplorer-8B 在 RL 训练后能够有效地进行平均 16 回合的搜索，在 BrowseComp-en/zh 上取得了比 WebSailor-72B 更高的准确率，并在 WebWalkerQA 和 FRAMES 上取得了高达 100B 参数的模型中的最佳性能。除了这些信息检索任务，我们的模型还在 HLE 基准测试上取得了强大的泛化能力，尽管它仅在知识密集型 QA 数据上进行了训练。这些结果突显了我们的方法是实现长时限网页代理的实用途径。