Explore to Evolve：通过主动在线探索为深度研究代理扩展进化聚合逻辑

深入研究的 Web Agent 不仅能从 Web 环境、文件和多模态输入等各种来源检索信息，更重要的是，它们需要严格分析和聚合知识以进行有见地的研究。然而，现有的开源深度研究 Web Agent 主要侧重于增强 Web Agent 的信息检索能力以定位特定信息，而忽略了信息聚合的基本需求，这将限制它们支持深入研究的能力。我们提出了一种“探索与进化”的范式，以可扩展的方式为 Web Agent 构建可验证的训练数据。从主动的在线探索开始，Agent 通过探索真实的 Web 来获取有根据的信息。利用收集到的证据，Agent 通过选择、组合和优化 12 种高级逻辑类型的操作来自我进化聚合程序，以合成可验证的问答对。从高级指导到具体操作的这种演变，使我们能够可扩展地生成 WebAggregatorQA，一个包含 50K 个网站和 11 个领域中 10K 个样本的数据集。基于开源 Agent 框架 SmolAgents，我们收集了监督式微调轨迹，以开发一系列基础模型 WebAggregator。WebAggregator-8B 的性能与 GPT-4.1 相当，而 32B 变体在 GAIA-text 上比 GPT-4.1 高出 10% 以上，并且接近 Claude-3.7-sonnet。此外，考虑到评估 Web Agent 信息聚合能力的基准可用性有限，我们构建了一个 WebAggregatorQA 的人工标注评估集，作为一个具有挑战性的测试集。在该基准上，Claude-3.7-sonnet 仅获得 28%，GPT-4.1 得分为 25.8%。即使 Agent 能够检索到所有参考信息，它们在 WebAggregatorQA 上仍然表现不佳，这突显了加强 Web Agent 基础信息聚合能力的需求。