AI網(wǎng)紅能年賺百萬，普通人的新機會來了？
來源｜運營研究社作者 | 張知白編輯 | 楊佩汶設計 | 晏談夢潔2023 年 ，數(shù)字人成為了當紅的“流量話題”和“商業(yè)機會"。不管是 AI 孫燕姿走紅網(wǎng)絡，還是 AI 數(shù)字
5 月 30 日消息，阿里巴巴昨日在 Github 上開源了其創(chuàng)新的自主搜索 AI Agent——WebAgent，具備端到端的自主信息檢索與多步推理能力，能夠像人類一樣在網(wǎng)絡環(huán)境中主動感知、決策和行動。
例如，當用戶想了解某個特定領域的最新研究成果時，WebAgent 能夠主動搜索多個學術數(shù)據(jù)庫，篩選出最相關的文獻，并根據(jù)用戶的需求進行深入分析和總結。
據(jù)介紹，WebAgent 不僅能識別文獻中的關鍵信息，還能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。
阿里巴巴 WebAgent 分為 WebDancer 和 WebWalker，前者是一種端到端智能體訓練框架，旨在增強基于網(wǎng)絡的 AI 智能體的多步驟信息搜索能力；后者則屬于“Web 遍歷中的 LLM 基準測試”。
Web Agents 上的性能：
WebDancer 的框架一共由 4 大塊組成，從數(shù)據(jù)構建到訓練優(yōu)化，逐步打造出能夠自主完成復雜信息檢索任務的智能體。
瀏覽數(shù)據(jù)構建是整個框架的起點。在現(xiàn)實世界中，高質量的訓練數(shù)據(jù)是智能體能夠有效學習和泛化的關鍵。WebDancer 通過兩種創(chuàng)新的數(shù)據(jù)合成方法來解決傳統(tǒng)數(shù)據(jù)集的局限性。
為了確保生成的軌跡既有效又連貫，WebDancer 采用了短推理和長推理兩種方法。短推理利用大模型直接生成簡潔的推理路徑，而長推理則通過推理模型逐步構建復雜的推理過程。
在數(shù)據(jù)準備完成后，WebDancer 進入監(jiān)督微調（SFT）階段。這一階段的目標是通過高質量的軌跡數(shù)據(jù)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(huán)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，并計算損失函數(shù)，以優(yōu)化模型的參數(shù)。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，確保模型能夠專注于自主決策過程。這一階段的訓練為智能體提供了強大的初始能力，使其能夠在后續(xù)的強化學習階段更好地適應復雜的任務環(huán)境。
強化學習（RL）階段是 WebDancer 框架的關鍵環(huán)節(jié)。在這一階段，智能體通過與環(huán)境的交互，學習如何在復雜的任務中做出最優(yōu)決策。WebDancer 采用了 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(tài)采樣機制，有效利用未充分利用的 QA 對，提高數(shù)據(jù)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(yōu)化其決策策略，最終實現(xiàn)高效的多步推理和信息檢索能力。
附 WebAgent 官方地址：
Github：https://github.com/Alibaba-NLP/WebAgent
WebDancer論文：https://arxiv.org/ pdf/2505.22648
WebWalker論文：https://arxiv.org/ pdf/2501.07572
本文鏈接：http://www.tebozhan.com/showinfo-45-13298-0.html阿里巴巴開源自主搜索 AI 智能體 WebAgent
聲明：本網(wǎng)頁內容旨在傳播知識，若有侵權等問題請及時與本網(wǎng)聯(lián)系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯(lián)系：2376512515@qq.com 津ICP備18001702號
津公網(wǎng)安備 12010102000574號