嘿，大家好！这里是一个专注于前沿AI和智能体的频道~
过去半年，AI Agent一直有个让人脑壳疼的问题：为什么开源Agent在解决真正复杂的难题时，总是被OpenAI的DeepResearch按在地上摩擦？
尽管我们看到了WebDancer、R1-Searcher等无数优秀的开源项目，但在OpenAI提出的那个变态难的BrowseComp榜单上，大家的得分基本都是零蛋。这道鸿沟，似乎难以逾越。
昨天，阿里通义开源了他们最新的Web Agent模型——WebSailor。
除了开源模型、代码、论文，它用一套完整且可复现的方法论，告诉了所有人：开源Agent，也能实现超人推理，挑战闭源霸权！
开源Agent的问题
首先，我们得搞清楚，为什么以前的开源Agent不行？
论文指出，问题出在训练数据的难度上。
之前的训练方法，基本都围绕着两类任务：
-
Level 1: 低不确定性任务，比如单次搜索就能找到答案的问题。 -
Level 2: 路径明确的多跳任务，比如“阿里巴巴现任CEO的母校的第一位中科院院士是谁？”。虽然复杂，但推理路径是固定的、线性的。
然而，现实中，很多挑战，属于 Level 3 ：极高的不确定性 + 极其复杂的探索路径。
它没有标准答案路径，需要Agent像一个真正的研究员一样，在信息的海洋里不断探索、剪枝、整合、推理。
用Level 1和Level 2的数据去训练模型，然后让它去解决Level 3的问题，这无异于只教了加减法，就让学生去解微积分。结果自然是惨不忍睹。
秘诀一：构造出L3级别的合成数据
那么，如何创造出足够难的Level 3训练数据呢？
WebSailor开源了 SailorFog-QA， 它的生成方式非常巧妙：
-
构建复杂知识图谱：从真实世界的网站出发，通过随机游走的方式，构建出一个包含大量实体和复杂关系的高度互联的知识图谱。这保证了问题的源头是真实的，结构是非线性的。 -
采样+提问：从这个复杂的图中，随机采样出一个子图，然后基于这个子图生成问题和答案。 -
制造难度（关键步骤）：在生成问题时，故意对信息进行模糊化处理。这招太绝了。 -
精确的日期，变成 “21世纪初”。 -
清晰的名字，变成 “一个由F开头的人创立的机构”。 -
具体的数值，变成 “市场份额不到1%”。
这种MASK直接把任务的初始不确定性拉满，逼着Agent必须学会比较、推理、综合信息，而不是简单地执行查找。
看上图就知道，SailorFog-QA要求的工具调用次数，分布与BrowseComp-en benchmark（橙线）惊人地相似，并且远超其它数据集。用这种高难度的数据喂出来的模型，实战能力自然强悍。
秘诀二：不学废话，只学精华
有了高质量的QA，下一步就是生成解题过程的轨迹，让模型去学习。
传统方法是找一个更强的专家模型（比如QwQ-32B），让它生成完整的思考和动作轨迹，然后让我们的模型去模仿。但这里有个大坑：专家模型通常非常啰嗦！
它们的思考过程充满了冗长、风格化的“废话”。直接学习这些，不仅会污染我们模型的思考风格，限制其灵活性，更致命的是，在需要几十步工具调用的长任务里，这些废话很快就会把上下文窗口（Context）撑爆！
WebSailor的做法堪称教科书级的取其精华，去其糟粕：
-
让专家模型生成完整轨迹，但只保留action-observation序列。这相当于只看大师的操作，不听他的碎碎念。 -
然后，再用另一个强大的指令跟随模型，去为每一步成功的动作反向生成一个简洁、凝练、直指目标的“思考”。
这样得到的训练轨迹，既保留了专家解决问题的核心逻辑，又干净利落，没有废话，非常适合长任务的训练。
秘诀三：先冷启动，再用DUPO精调
最后是训练环节。WebSailor采用了“两步走”策略。
第一步：RFT冷启动。
他们发现，直接上RL（强化学习）效果很差，因为任务太难，奖励太稀疏，模型一开始根本不知道往哪走。所以，需要先用少量（仅2k）经过筛选的高质量SFT数据进行“冷启动”，让模型先掌握基本的工具使用和长链条推理的“骨架”。
第二步：DUPO算法强化。
这是他们提出的一个更高效的RL算法——Duplicating Sampling Policy Optimization (DUPO)。相比之前的DAPO等方法，它最大的优势是快。
在Agent的RL训练中，与环境交互的“rollout”过程非常耗时。DUPO通过一个聪明的技巧——在训练中，优先复制（duplicate）那些表现出多样性（部分rollout成功，部分失败）的样本来填满一个batch，而不是去环境中拉取新样本——极大地提升了训练效率，实现了约2-3倍的加速。
从上图可以看出，RL阶段（绿色部分）对模型的性能，尤其是在BrowseComp这种高难度任务上，带来了巨大的提升。
最后
数据仍然是Agent时代的护城河。
真正的壁垒不在于模型结构，而在于创造高难度、高不确定性训练数据的能力。
随着开源Agent的逐步探索，可以一定程度上降低工程压力。在复杂的Agent任务上，基础模型就能追赶甚至比肩顶级闭源系统。
开源，未来可期！
-
paper: https://arxiv.org/pdf/2507.02592 -
code: https://github.com/Alibaba-NLP/WebAgent -
model:https://huggingface.co/Alibaba-NLP/WebDancer-32B -
data: https://huggingface.co/datasets/callanwu/WebWalkerQA
好了，这就是我今天想分享的内容。如果你对构建AI智能体感兴趣，别忘了点赞、关注噢~
（文：PaperAgent）