WebSailor: Navigating Super-human Reasoning for Web Agent

文章主要内容总结

本文针对开源模型在复杂信息检索任务中与专有系统（如DeepResearch）存在的性能差距，提出了一种名为WebSailor的完整后训练方法，旨在赋予开源模型“系统性降低高不确定性”的超人类推理能力。

1. 核心问题：开源模型在处理高不确定性、无预定义路径的复杂信息任务（Level 3任务）时表现极差，而专有系统因具备独特推理模式（如系统性降低不确定性）表现优异。
2. 方法框架：
   • 高不确定性任务生成：通过随机游走构建复杂知识图谱，结合子图采样和信息混淆（如模糊实体、关系隐藏）生成Level 3任务，迫使模型突破简单 heuristics。
   • 推理轨迹重构：利用开源大推理模型（如QwQ、DeepSeek-R1）生成有效行动轨迹，但剥离其冗长推理，重构简洁、面向行动的推理步骤，避免风格污染和上下文过载。
   • 训练优化：采用RFT（拒绝采样微调）冷启动奠定基础能力，结合高效强化学习算法DUPO（Duplicating Sampling Policy Optimization）提升训练效率（比现有方法快2-3倍）。
3. 实验结果：WebSailor