【太平洋科技快訊】5月30日，阿里巴巴在GitHub上開源一款名為WebAgent的自主搜索人工智能(AI)智能體。該智能體具備端到端的自主信息檢索與多步推理能力，能夠在網絡環境中模擬人類的感知、決策和行動。
WebAgent的核心功能在於其強大的自主搜索能力和多步驟邏輯推理能力。它能夠主動搜索多個學術數據庫，並根據用戶需求進行深入分析和總結。此外，WebAgent能夠通過多步推理將不同文獻中的觀點進行整合，最終為用戶提供一份全面且精準的研究報告。這種能力使得WebAgent在處理複雜信息檢索任務時，表現得如同一位經驗豐富的專家。
據悉，WebAgent的技術核心在於其訓練框架——WebDancer。該框架由四個關鍵環節組成，從數據構建到訓練優化，逐步打造出能夠自主完成複雜信息檢索任務的智能體。
WebDancer採用了創新的瀏覽數據構建方法。它通過短推理和長推理兩種方式，利用大模型生成簡潔的推理路徑，或通過推理模型逐步構建複雜的推理過程。這種方法有效解決了傳統數據集的局限性，為智能體提供了豐富的訓練素材。
在數據準備完成後，WebDancer進入監督微調(SFT)階段。這一階段的目標是通過高質量的軌跡數據對智能體進行初始化訓練，使其能夠適應信息檢索任務的格式和環境要求。在SFT過程中，WebDancer將軌跡中的思考、行動和觀察內容分別標記，並計算損失函數，以優化模型的參數。為了提高模型的魯棒性，WebDancer在計算損失時排除了外部反饋的影響，確保模型能夠專註於自主決策過程。
強化學習(RL)階段是WebDancer框架的關鍵環節。在這一階段，智能體通過與環境的交互，學習如何在複雜的任務中做出最優決策。WebDancer採用了DAPO算法，這是一種專門針對智能體訓練設計的強化學習算法。DAPO算法通過動態採樣機制，有效利用未充分利用的QA對，提高數據效率和策略的魯棒性。在RL過程中，智能體通過多次嘗試和反饋，逐步優化其決策策略，最終實現高效的多步推理和信息檢索能力。
