【太平洋科技快讯】5 月 30 日，阿里巴巴在 GitHub 上开源一款名为 WebAgent 的自主搜索人工智能 ( AI ) 智能体。该智能体具备端到端的自主信息检索与多步推理能力，能够在网络环境中模拟人类的感知、决策和行动。

WebAgent 的核心功能在于其强大的自主搜索能力和多步骤逻辑推理能力。它能够主动搜索多个学术数据库，并根据用户需求进行深入分析和总结。此外，WebAgent 能够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。这种能力使得 WebAgent 在处理复杂信息检索任务时，表现得如同一位经验丰富的专家。

据悉，WebAgent 的技术核心在于其训练框架—— WebDancer。该框架由四个关键环节组成，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。

WebDancer 采用了创新的浏览数据构建方法。它通过短推理和长推理两种方式，利用大模型生成简洁的推理路径，或通过推理模型逐步构建复杂的推理过程。这种方法有效解决了传统数据集的局限性，为智能体提供了丰富的训练素材。

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。

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。