100轮工具调用，8B小模型也能做复杂长搜索，MiniMax&港科大最新开源
网络搜索Agent效果不好，猛猛投喂一波数据，表现还那样，咋回事？
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
港科大&MiniMax团队指出问题核心：不是模型参数不够多，而是缺乏足够有挑战性的训练数据。
换句话说，别死记硬背了，来做点“真题”吧。
他们提出了一种构建高质量QA对的方法WebExplorer。
用该方法构建的数据集去训练，即使是较小的模型，也可以在复杂、长程的搜索任务上超越更大的模型。
训练后的8B模型支持高达128K的上下文长度和100次工具调用轮次的长期推理，能在参数量低于10B的模型中取得顶尖结果。
网友评价：用模型驱动的方式做探索，确实比传统图谱方法更能让智能体的浏览行为变灵活。
模型及数据集均已开源，链接可见文末。
优质训练数据稀缺
随着大语言模型（LLM）的快速发展，智能体的能力边界不断扩展。
网络搜索智能体作为这一发展的重要组成部分，能够自主地从广泛的在线资源中检索信息；长视野（Long-Horizon）网络智能体更是需要在多个 间进行复杂的推理和搜索。
可是呢，现有的开源网络智能体在处理复杂搜索任务时往往表现有限，更强大的商业模型又缺乏透明的训练细节。
港科大联合MiniMax团队提出，开发高能力网络搜索智能体，根本在于提升训练数据的质量。
当前的评测基准已经发展到了极其困难的程度：例如，在BrowseComp-en基准测试中，超过一半的问题连人类标注者都无法在两小时内解决。虽然这样的难题在典型用例中很少见，但构建高质量、困难的QA对，对于开发能够实现超人性能的信息搜索智能体至关重要。
不过目前的常见方法都有局限性，可能带来不自然的查询表达和有限的合成灵活性。
针对上述问题呢，研究团队提出了一个新颖的两阶段方法WebExplorer——
使用创新的探索-演化框架，就能创建出需要多步推理和复杂网络导航的高难度QA对。
该框架的第一阶段是模型驱动的探索(Model-Based Exploration)，让模型更自主灵活地探索信息空间。
具体来说，从一个种子实体开始，系统利用强大的LLM，通过迭代搜索和浏览操作来模拟图构建过程。
这种方法能够灵活、动态地探索与种子实体相关的信息空间。然后，基于这个初始的信息空间，模型再来构建初步QA对。
初步QA对相对简单，于是WebExplorer引入了第二阶段的迭代查询演化(Iterative Query Evolution)过程。
这一阶段通过系统地移除明确线索和引入战略性模糊，来提高查询难度。
简单地说，这种方法采用”从长到短”的演化策略，通过以下三个战略方向改进查询：
1、移除显著信息：去掉过于明显的提示
2、引入战略性模糊化：对日期、地点和专有名词等具体细节进行模糊处理
3、寻找替代描述：用模糊的描述符替换原始的明确引用
例如，一个初始查询可能包含“这位球员44岁时去世”这样的明确信息，经过演化后变成模糊的描述如“这位球员于中年去世”，需要更多探索性搜索尝试才能到达正确答案。
通过这个探索-演化过程，研究团队构建了WebExplorer-QA数据集，包含大约4万个演化后的最终问答对。
为了验证数据质量，他们使用Claude-4-Sonnet模型进行了全面的比较分析。上图为工具调用次数分布的比较，左边显示初始问答对vs演化问答对，右边显示演化问答对vs BrowseComp-en。
可以看到，演化过程有效增加了解决问题所需的工具调用次数。
演化过程的效果显著：强性能商业模型的准确率从86.6%大幅下降到67.1%，而解决问题的平均工具调用次数从7.9次显著增加到9.9次。这表明演化过程成功创建了需要广泛多步推理和探索的复杂查询。
研究团队使用得到的WebExplorer-QA，用监督微调+强化学习两段式的经典训练法，训练出8B大小的WebExplorer-8B。该模型在多个信息搜索基准测试中取得了同等规模下的最先进性能。
数据质量比模型规模更重要
WebExplorer-8B基于Qwen3-8B模型训练，实现了支持128K上下文长度和100次工具调用的长视野推理。
尽管只有8B参数，WebExplorer-8B在多个基准测试中持续超越了更大的开源模型。
WebExplorer-8B在强化学习训练后能够平均高效搜索16轮，在BrowseComp-en/zh上实现了比WebSailor-72B更高的准确率，并在WebWalkerQA和FRAMES数据集上取得了小于100B参数模型中的最佳性能。
此外，尽管WebExplorer的问答对合成方法受到BrowseComp-en的启发，但该模型在不同基准测试和领域中都表现出了有效的泛化能力。
哪怕训练数据并非专注于STEM领域，该模型在学术前沿基准HLE上也取得了17.3%的成绩，超越了之前的32B模型，进一步验证了这种方法的稳健性和可转移性。
研究团队表示，WebExplorer方法为训练高级网络智能体提供了一条实用的路径。证明了通过精心设计的数据合成方法和训练策略，较小的模型可以在复杂任务上超越更大的模型。
这种参数效率对于AI技术在资源受限环境中的应用和部署具有重要意义。
也有网友表示：这种方法看起来很有前景。
你怎么看？
参考链接：https://x.com/WenhuChen/status/1965537550937792934
论文地址：https://arxiv.org/abs/2509.06501
Github：https://github.com/hkust-nlp/WebExplorer
模型：https://huggingface.co/hkust-nlp/WebExplorer-8B
数据集：https://huggingface.co/datasets/hkust-nlp/WebExplorer-QA
热门专题
热门推荐
“我们的代码，终将写入繁星”：追觅科技成立天文BU，构建从地面到太空的生态闭环 “我们的代码，终将写入繁星。”这句来自追觅科技的宣言，不只是一句诗意的口号，更是一份清晰的战略升级路线图。就在9月10日，这家中国科技企业正式宣告成立天文业务单元（BU），由此完成了一次至关重要的战略跃迁。这标志着其“全
Just Learn是什么 提起用AI为教育赋能，Just Learn这款工具是个绕不开的名字。它由Just Learn公司开发，核心目标非常明确：一手帮教师扩展专业能力，一手为学生打造个性化的学习旅程。说到底，它的价值在于通过AI驱动学习和24 7全天候辅导这两大核心，把教育资源重新“盘活”，让老
Vue 渲染机制深度解析：Patch 函数核心逻辑与优化策略 Vue js 的响应式系统实现了数据驱动视图的核心理念。然而，当数据发生变化时，视图是如何被高效且准确地更新的呢？这背后的核心引擎，正是虚拟 DOM 体系中的 Patch 函数。它并非直接操作真实 DOM，而是通过深度比对新旧虚拟节点（V
《空之轨迹SC》完全重制版《空之轨迹 the 2nd》正式定档2026年9月17日，登陆多平台 日本Falcom官方正式公布，经典日式角色扮演游戏《空之轨迹SC》的完全重制版——《空之轨迹 the 2nd》，将于2026年9月17日全球同步发售。本作将登陆任天堂Switch 2、Switch、Pla
AI艺术提示生成器是什么 简单来说，你可以把它理解为一个永不枯竭的创意火花塞。这个基于前沿AI技术的工具，专为破解创作瓶颈而生，无论你是专业画师还是灵感偶尔“罢工”的爱好者，它都能派上用场。它的工作原理并不复杂：依托当前顶级的OpenAI模型，将你的初步想法“催化”成一系列具体、新颖且富有启发性的艺