网络搜索 Agent 效果不好，猛猛投喂一波数据，表现还那样，咋回事？

港科大 &MiniMax 团队指出问题核心：不是模型参数不够多，而是缺乏足够有挑战性的训练数据。

换句话说，别死记硬背了，来做点 " 真题 " 吧。

他们提出了一种构建高质量 QA 对的方法WebExplorer。

用该方法构建的数据集去训练，即使是较小的模型，也可以在复杂、长程的搜索任务上超越更大的模型。

训练后的 8B 模型支持高达128K 的上下文长度和100 次工具调用轮次的长期推理，能在参数量低于 10B 的模型中取得顶尖结果。

网友评价：用模型驱动的方式做探索，确实比传统图谱方法更能让智能体的浏览行为变灵活。

模型及数据集均已开源，链接可见文末。

优质训练数据稀缺

随着大语言模型（LLM）的快速发展，智能体的能力边界不断扩展。

网络搜索智能体作为这一发展的重要组成部分，能够自主地从广泛的在线资源中检索信息；长视野（Long-Horizon）网络智能体更是需要在多个网站间进行复杂的推理和搜索。

可是呢，现有的开源网络智能体在处理复杂搜索任务时往往表现有限，更强大的商业模型又缺乏透明的训练细节。

港科大联合 MiniMax 团队提出，开发高能力网络搜索智能体，根本在于提升训练数据的质量。

当前的评测基准已经发展到了极其困难的程度：例如，在 BrowseComp-en 基准测试中，超过一半的问题连人类标注者都无法在两小时内解决。虽然这样的难题在典型用例中很少见，但构建高质量、困难的 QA 对，对于开发能够实现超人性能的信息搜索智能体至关重要。

不过目前的常见方法都有局限性，可能带来不自然的查询表达和有限的合成灵活性。

针对上述问题呢，研究团队提出了一个新颖的两阶段方法WebExplorer——

使用创新的探索 - 演化框架，就能创建出需要多步推理和复杂网络导航的高难度 QA 对。

该框架的第一阶段是模型驱动的探索 ( Model-Based Exploration ) ，让模型更自主灵活地探索信息空间。

具体来说，从一个种子实体开始，系统利用强大的 LLM，通过迭代搜索和浏览操作来模拟图构建过程。

这种方法能够灵活、动态地探索与种子实体相关的信息空间。然后，基于这个初始的信息空间，模型再来构建初步 QA 对。

初步 QA 对相对简单，于是 WebExplorer 引入了第二阶段的迭代查询演化 ( Iterative Query Evolution ) 过程。

这一阶段通过系统地移除明确线索和引入战略性模糊，来提高查询难度。

简单地说，这种方法采用 " 从长到短 " 的演化策略，通过以下三个战略方向改进查询：

1、移除显著信息：去掉过于明显的提示

2、引入战略性模糊化：对日期、地点和专有名词等具体细节进行模糊处理

3、寻找替代描述：用模糊的描述符替换原始的明确引用

例如，一个初始查询可能包含 " 这位球员 44 岁时去世 " 这样的明确信息，经过演化后变成模糊的描述如 " 这位球员于中年去世 "，需要更多探索性搜索尝试才能到达正确答案。

通过这个探索 - 演化过程，研究团队构建了WebExplorer-QA数据集，包含大约 4 万个演化后的最终问答对。

为了验证数据质量，他们使用 Claude-4-Sonnet 模型进行了全面的比较分析。上图为工具调用次数分布的比较，左边显示初始问答对 vs 演化问答对，右边显示演化问答对 vs BrowseComp-en。

可以看到，演化过程有效增加了解决问题所需的工具调用次数。

演化过程的效果显著：强性能商业模型的准确率从 86.6% 大幅下降到 67.1%，而解决问题的平均工具调用次数从 7.9 次显著增加到 9.9 次。这表明演化过程成功创建了需要广泛多步推理和探索的复杂查询。

研究团队使用得到的 WebExplorer-QA，用监督微调 + 强化学习两段式的经典训练法，训练出 8B 大小的 WebExplorer-8B。该模型在多个信息搜索基准测试中取得了同等规模下的最先进性能。

数据质量比模型规模更重要

WebExplorer-8B 基于 Qwen3-8B 模型训练，实现了支持128K 上下文长度和100 次工具调用的长视野推理。

尽管只有 8B 参数，WebExplorer-8B 在多个基准测试中持续超越了更大的开源模型。

WebExplorer-8B 在强化学习训练后能够平均高效搜索 16 轮，在 BrowseComp-en/zh 上实现了比 WebSailor-72B 更高的准确率，并在 WebWalkerQA 和 FRAMES 数据集上取得了小于 100B 参数模型中的最佳性能。

此外，尽管 WebExplorer 的问答对合成方法受到 BrowseComp-en 的启发，但该模型在不同基准测试和领域中都表现出了有效的泛化能力。

哪怕训练数据并非专注于 STEM 领域，该模型在学术前沿基准 HLE 上也取得了 17.3% 的成绩，超越了之前的 32B 模型，进一步验证了这种方法的稳健性和可转移性。

研究团队表示，WebExplorer 方法为训练高级网络智能体提供了一条实用的路径。证明了通过精心设计的数据合成方法和训练策略，较小的模型可以在复杂任务上超越更大的模型。

这种参数效率对于 AI 技术在资源受限环境中的应用和部署具有重要意义。

也有网友表示：这种方法看起来很有前景。

你怎么看？

参考链接：https://x.com/WenhuChen/status/1965537550937792934

论文地址：https://arxiv.org/abs/2509.06501

Github：https://github.com/hkust-nlp/WebExplorer

模型：https://huggingface.co/hkust-nlp/WebExplorer-8B

数据集：https://huggingface.co/datasets/hkust-nlp/WebExplorer-QA

一键三连「点赞」「转发」「小心心」

欢迎在评论区留下你的想法！

—  完  —

  年度科技风向标「2025 人工智能年度榜单」评选报名开启啦！我们正在寻找 AI+ 时代领航者  点击了解详情

❤️‍   企业、产品、人物 3 大维度，共设立了 5 类奖项，欢迎企业报名参与   

一键关注 点亮星标

科技前沿进展每日见