近日，阿里巴巴在GitHub平臺(tái)上推出了一款名為WebAgent的新型自主搜索人工智能（AI）智能體，該智能體具備端到端的自主信息檢索和多步驟邏輯推理能力，能夠在網(wǎng)絡(luò)環(huán)境中模擬人類的感知、決策和行動(dòng)流程。
WebAgent的核心亮點(diǎn)在于其強(qiáng)大的自主搜索與邏輯推理功能。它不僅能夠主動(dòng)搜索多個(gè)學(xué)術(shù)數(shù)據(jù)庫(kù)，還能根據(jù)用戶需求進(jìn)行深入分析和總結(jié)，為用戶提供全面且精準(zhǔn)的信息。WebAgent通過多步驟推理，能夠整合不同文獻(xiàn)中的觀點(diǎn)，最終生成一份詳盡的研究報(bào)告。這種能力使得WebAgent在處理復(fù)雜信息檢索任務(wù)時(shí)，展現(xiàn)出了專家級(jí)的水平。
據(jù)了解，WebAgent的技術(shù)核心是其獨(dú)特的訓(xùn)練框架——WebDancer。這一框架由數(shù)據(jù)構(gòu)建、監(jiān)督微調(diào)、強(qiáng)化學(xué)習(xí)等多個(gè)關(guān)鍵環(huán)節(jié)組成，旨在逐步培養(yǎng)出能夠自主完成復(fù)雜信息檢索任務(wù)的智能體。
在數(shù)據(jù)構(gòu)建方面，WebDancer采用了創(chuàng)新的瀏覽數(shù)據(jù)生成方法。它利用短推理和長(zhǎng)推理兩種方式，通過大模型生成簡(jiǎn)潔的推理路徑，或者通過推理模型逐步構(gòu)建復(fù)雜的推理過程。這種方法打破了傳統(tǒng)數(shù)據(jù)集的局限性，為智能體提供了豐富的訓(xùn)練素材，有效提升了其自主搜索和推理能力。
在監(jiān)督微調(diào)階段，WebDancer通過高質(zhì)量的軌跡數(shù)據(jù)對(duì)智能體進(jìn)行初始化訓(xùn)練，使其能夠適應(yīng)信息檢索任務(wù)的格式和環(huán)境要求。在訓(xùn)練過程中，WebDancer將軌跡中的思考、行動(dòng)和觀察內(nèi)容分別進(jìn)行標(biāo)記，并計(jì)算損失函數(shù)以優(yōu)化模型參數(shù)。為了提高模型的魯棒性，WebDancer在計(jì)算損失時(shí)排除了外部反饋的影響，確保智能體能夠?qū)Ｗ⒂谧灾鳑Q策過程。
強(qiáng)化學(xué)習(xí)階段是WebDancer框架中的關(guān)鍵環(huán)節(jié)。在這一階段，智能體通過與環(huán)境的交互，學(xué)習(xí)如何在復(fù)雜的任務(wù)中做出最優(yōu)決策。WebDancer采用了專門針對(duì)智能體訓(xùn)練設(shè)計(jì)的DAPO算法。該算法通過動(dòng)態(tài)采樣機(jī)制，有效利用未充分利用的QA對(duì)，提高了數(shù)據(jù)效率和策略的魯棒性。在強(qiáng)化學(xué)習(xí)過程中，智能體通過多次嘗試和反饋，逐步優(yōu)化其決策策略，最終實(shí)現(xiàn)高效的多步推理和信息檢索能力。
WebAgent的推出，標(biāo)志著阿里巴巴在自主搜索人工智能領(lǐng)域取得了重要突破。未來，這款智能體有望在學(xué)術(shù)研究、信息咨詢等多個(gè)領(lǐng)域發(fā)揮重要作用，為用戶提供更加便捷、高效的信息檢索服務(wù)。
