WebExplorer-QA 是由香港科技大学、 MiniMax 和滑铁卢大学于 2025 年发布的一个针对信息检索与网络浏览任务的数据集，相关论文成果为「WebExplorer: Explore and Evolve for Training Long-Horizon Web Agents」，旨在通过系统化生成具有挑战性的查询 – 答案对，提升模型在复杂多步推理与长程网页导航中的表现。

该数据集目前仅公开 100 条高质量样本供学术研究和社区测试使用，这些数据由模型探索生成初始问答对，然后通过「长到短」查询演化机制迭代完善，以增强问题的难度与信息检索的链路。问答对需要模型执行多步检索／浏览网页操作，从多个网页中汇总信息来产生答案，适用于训练与评估网络代理或大语言模型在信息搜寻（information seeking）、多跳／复杂上下文推理（multi-step reasoning）、长上下文提示（long-horizon context）处理，以及工具调用（tool calling）与网页导航的能力。