近日，阿里巴巴在GitHub平台上推出了一款名为WebAgent的新型自主搜索人工智能（AI）智能体，该智能体具备端到端的自主信息检索和多步骤逻辑推理能力，能够在网络环境中模拟人类的感知、决策和行动流程。
WebAgent的核心亮点在于其强大的自主搜索与逻辑推理功能。它不仅能够主动搜索多个学术数据库，还能根据用户需求进行深入分析和总结，为用户提供全面且精准的信息。WebAgent通过多步骤推理，能够整合不同文献中的观点，最终生成一份详尽的研究报告。这种能力使得WebAgent在处理复杂信息检索任务时，展现出了专家级的水平。
据了解，WebAgent的技术核心是其独特的训练框架——WebDancer。这一框架由数据构建、监督微调、强化学习等多个关键环节组成，旨在逐步培养出能够自主完成复杂信息检索任务的智能体。
在数据构建方面，WebDancer采用了创新的浏览数据生成方法。它利用短推理和长推理两种方式，通过大模型生成简洁的推理路径，或者通过推理模型逐步构建复杂的推理过程。这种方法打破了传统数据集的局限性，为智能体提供了丰富的训练素材，有效提升了其自主搜索和推理能力。
在监督微调阶段，WebDancer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。在训练过程中，WebDancer将轨迹中的思考、行动和观察内容分别进行标记，并计算损失函数以优化模型参数。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，确保智能体能够专注于自主决策过程。
强化学习阶段是WebDancer框架中的关键环节。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采用了专门针对智能体训练设计的DAPO算法。该算法通过动态采样机制，有效利用未充分利用的QA对，提高了数据效率和策略的鲁棒性。在强化学习过程中，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。
WebAgent的推出，标志着阿里巴巴在自主搜索人工智能领域取得了重要突破。未来，这款智能体有望在学术研究、信息咨询等多个领域发挥重要作用，为用户提供更加便捷、高效的信息检索服务。
