摘要

大型语言模型（LLMs）的研究范式正日益转向代理型应用，其中网页浏览能力成为从多样化在线来源获取信息的关键。然而，现有的开源网页代理在复杂任务上的信息检索能力普遍有限，或缺乏透明的实现方式。本文指出，其核心挑战在于缺乏用于信息检索的高质量挑战性数据。为解决这一瓶颈，我们提出 WebExplorer：一种基于模型探索的系统性数据生成方法，结合迭代式、由长至短的查询演化机制。该方法生成的查询-回答对具有高度挑战性，需依赖多步推理与复杂的网页导航。借助我们精心构建的高质量数据集，我们通过监督微调结合强化学习，成功训练出先进的网页代理模型 WebExplorer-8B。该模型支持长达 128K 的上下文长度，并可执行最多 100 次工具调用，从而实现长时程问题求解。在多个信息检索基准测试中，WebExplorer-8B 在同等规模模型中达到了当前最优性能。值得注意的是，作为一款 80 亿参数的模型，WebExplorer-8B 在强化学习训练后平均可有效执行约 16 次搜索操作，在 BrowseComp-en/zh 任务上表现优于 720 亿参数的 WebSailor-72B，并在 WebWalkerQA 与 FRAMES 基准测试中，超越所有参数量不超过 1000 亿的现有模型，取得最佳成绩。此外，尽管模型仅在知识密集型问答数据上进行训练，其在 HLE 基准测试中仍展现出强大的泛化能力。这些结果表明，我们的方法为构建长时程网页代理提供了一条切实可行的技术路径。