阿里通义实验室开源 WebSailor，登顶 BrowseComp 榜单的网络智能体

近日，阿里云通义实验室正式开源了一款名为 WebSailor 的新型网络智能体（Web Agent），它具备强大的多步推理与信息检索能力，在高难度网页导航任务中表现出色。

• GitHub：https://github.com/Alibaba-NLP/WebAgent/tree/main/WebSailor

该模型在业界权威评测集 BrowseComp-en/zh 中取得当前开源智能体中的最佳成绩，超越 DeepSeek R1、Grok-3 等模型，登上开源榜单首位，并逼近 OpenAI 的 DeepResearch 表现。

目前，WebSailor 的构建方案与部分训练数据已在 GitHub 开源，标志着开源社区在网络智能体领域迈出了关键一步。

技术亮点概述

🛠 核心架构与训练策略

训练三阶段设计

第一阶段：数据合成 —— SailorFog-QA

• 构建知识图谱，生成具有初始不确定性的复杂问题；
• 引入信息混淆机制，模拟真实世界的搜索挑战；
• 专为第三级（最高难度）任务设计，超越传统结构化推理模式。

第二阶段：拒绝采样微调（Rejection Fine-Tuning, RFT）

• 基于少量高质量专家轨迹进行“冷启动”；
• 学习简洁、以行动为导向的行为逻辑；
• 快速建立初步的推理与交互能力。

第三阶段：重复采样策略优化（DUPO）

• 利用强化学习进一步优化探索策略；
• 支持更高效的页面跳转与信息整合；
• 显著提升在极端不确定环境下的决策稳定性。

测试表现与行业对比

✅ 在 BrowseComp 评测集上的结果：

💡 尽管 WebSailor 仅基于高难度任务训练，它在简单任务如 SimpleQA 上也展现出卓越泛化能力，甚至优于其他基线方法。

核心功能与应用场景

精密网络导航与推理

WebSailor 可自动完成如下任务：

• 对模糊问题进行多轮网页跳转与信息整合；
• 在多个来源之间交叉验证答案；
• 自主判断何时停止搜索，何时返回最终结论。

高度不确定性下的求解能力

• 可处理高度抽象或信息碎片化的查询；
• 通过 SailorFog-QA 合成的训练数据，使其适应现实世界中常见的混乱信息环境。

应用方向广泛

技术架构详解

后训练方法论创新

WebSailor 并非直接依赖大模型预训练权重，而是通过一套完整的 post-training 流程大幅提升其网络交互能力：

1. 专家轨迹采集
   • 使用人工标注或已有高质量行为数据作为“教师模型”；
   • 构建标准动作序列供代理学习。
2. 推理过程重构
   • 将专家行为转换为监督信号；
   • 强调“动作导向”的学习方式，避免冗长的思考风格。
3. 冷启动与 RFT
   • 通过拒绝采样机制筛选高质量样本进行初期训练；
   • 加快收敛速度，提高训练效率。
4. 强化学习阶段（DUPO）
   • 使用自研算法优化探索策略；
   • 提升代理在复杂环境中的稳定性和适应力。

技术突破点总结

开源与生态展望

WebSailor 目前已开放构建方案与部分训练数据集，开发者可以基于其方法论开发新一代网络智能体。

开源内容包括：

• 模型构建流程
• Sailorfog-QA 数据生成器
• RFT 和 DUPO 的实现细节
• 示例代码与部署指南

社区建议：

• 可借鉴其训练范式构建其他领域的智能体（如科学问答、医学文献检索等）；
• 可扩展支持多模态输入（图像、表格、视频）；
• 可尝试轻量化部署（如 7B 模型）以适配边缘设备或消费端应用。

行业意义与未来趋势

WebSailor 的发布标志着：

• 开源智能体首次在复杂网页任务中达到接近闭源系统的水平；
• 大模型不仅能回答问题，还能主动“阅读”、“探索”、“验证”；
• “Agent + 推理 + 搜索”的融合模式正在成为新范式。

随着 WebSailor 的开源，未来我们有望看到更多 AI 智能体应用于：

• 自动化科研文献综述
• 个性化教育内容推荐
• 实时新闻聚合与事实核查
• 游戏剧情引导与 NPC 智能增强
• 企业级知识管理与信息整合