集聚搜索 Agent 成果不好，猛猛投喂一波数据，推崇还那样kaiyun官方网站，咋回事？

港科大 &MiniMax 团队指出问题中枢：不是模子参数不够多，而是枯竭弥散有挑战性的考验数据。

换句话说，别死记硬背了，来作念点"真题"吧。

他们提倡了一种构建高质料 QA 对的设施WebExplorer。

用该设施构建的数据集去考验，即使是较小的模子，也不错在复杂、长程的搜索任务上出奇更大的模子。

考验后的 8B 模子复旧高达128K 的荆棘文长度和100 次器具调用轮次的遥远推理，能在参数目低于 10B 的模子中赢得顶尖阻抑。

网友评价：用模子驱动的状貌作念探索，如实比传统图谱设施更能让智能体的浏览行径变天真。

模子及数据集均已开源，聚首可见文末。

优质考验数据稀缺

跟着大言语模子（LLM）的快速发展，智能体的才气规模不停膨胀。

集聚搜索智能体手脚这一发展的弘大构成部分，莽撞自主地从遍及的在线资源中检索信息；长视线（Long-Horizon）集聚智能体更是需要在多个网站间进行复杂的推理和搜索。

然而呢，现存的开源集聚智能体在处理复杂搜索任务每每时推崇存限，更强劲的贸易模子又枯竭透明的考验细节。

港科大归拢 MiniMax 团队提倡，拓荒高才气集聚搜索智能体，根柢在于栽植考验数据的质料。

面前的评测基准依然发展到了极其鬈曲的进度：举例，在 BrowseComp-en 基准测试中，跳动一半的问题连东说念主类标注者齐无法在两小时内科罚。天然这么的难题在典型用例中很稀有，但构建高质料、鬈曲的 QA 对，关于拓荒莽撞已毕超东说念主性能的信息搜索智能体至关弘大。

不外现在的常见设施齐有局限性，可能带来不天然的查询抒发和有限的合成天真性。

针对上述问题呢，谋划团队提倡了一个新颖的两阶段设施WebExplorer——

使用立异的探索 - 演化框架，就能创建出需要多步推理和复杂集聚导航的高难度 QA 对。

该框架的第一阶段是模子驱动的探索 ( Model-Based Exploration ) ，让模子更自主天真地探索信息空间。

具体来说，从一个种子实体脱手，系统诈骗强劲的 LLM，通过迭代搜索和浏览操作来模拟图构建经由。

这种设施莽撞天真、动态地探索与种子实体相关的信息空间。然后，基于这个启动的信息空间，模子再来构建初步 QA 对。

初步 QA 对相对粗浅，于是 WebExplorer 引入了第二阶段的迭代查询演化 ( Iterative Query Evolution ) 经由。

这一阶段通过系统地移除明确痕迹和引入政策性无极，来提高查询难度。

粗浅地说，这种设施禁受"从长到短"的演化策略，通过以下三个政策标的纠正查询：

1、移除显耀信息：去掉过于彰着的领导

2、引入政策性无极化：对日历、所在和独着名词等具体细节进行无极处理

3、寻找替代描画：用无极的描画符替换原始的明确援用

举例，一个启动查询可能包含"这位球员 44 岁时示寂"这么的明服气息，经过演化后造成无极的描画如"这位球员于中年示寂"，需要更多探索性搜索尝试才能到达正确谜底。

通过这个探索 - 演化经由，谋划团队构建了WebExplorer-QA数据集，包含约莫 4 万个演化后的最终问答对。

为了考据数据质料，他们使用 Claude-4-Sonnet 模子进行了全面的比拟分析。上图为器具调用次数分辩的比拟，左边袒露启动问答对 vs 演化问答对，右边袒露演化问答对 vs BrowseComp-en。

不错看到，演化经由有用增多了科罚问题所需的器具调用次数。

演化经由的成果显耀：强性能贸易模子的准确率从 86.6% 大幅着落到 67.1%，而科罚问题的平均器具调用次数从 7.9 次显耀增多到 9.9 次。这标明演化经由到手创建了需要遍及多步推理和探索的复杂查询。

谋划团队使用得到的 WebExplorer-QA，用监督微调 + 强化学习两段式的经典考验法，考验出 8B 大小的 WebExplorer-8B。该模子在多个信息搜索基准测试中赢得了同等规模下的起原进性能。

数据质料比模子规模更弘大

WebExplorer-8B 基于 Qwen3-8B 模子考验，已毕了复旧128K 荆棘文长度和100 次器具调用的长视线推理。

尽管唯有 8B 参数，WebExplorer-8B 在多个基准测试中执续出奇了更大的开源模子。

WebExplorer-8B 在强化学习考验后莽撞平均高效搜索 16 轮，在 BrowseComp-en/zh 上已毕了比 WebSailor-72B 更高的准确率，并在 WebWalkerQA 和 FRAMES 数据集上赢得了小于 100B 参数模子中的最好性能。

此外，尽管 WebExplorer 的问答对合成设施受到 BrowseComp-en 的启发，但该模子在不同基准测试和领域中齐推崇出了有用的泛化才气。

哪怕考验数据并非专注于 STEM 领域，该模子在学术前沿基准 HLE 上也赢得了 17.3% 的收获，出奇了之前的 32B 模子，进一步考据了这种设施的肃穆性和可回荡性。

谋划团队示意，WebExplorer 设施为考验高等集聚智能体提供了一条实用的旅途。解释了通过全心遐想的数据合成设施和考验策略，较小的模子不错在复杂任务上出奇更大的模子。

这种参数遵循关于 AI 本领在资源受限环境中的应用和部署具有弘大真理。

也有网友示意：这种设施看起来很有前程。

你如何看？

参考聚首：https://x.com/WenhuChen/status/1965537550937792934

论文地址：https://arxiv.org/abs/2509.06501

Github：https://github.com/hkust-nlp/WebExplorer

模子：https://huggingface.co/hkust-nlp/WebExplorer-8B

数据集：https://huggingface.co/datasets/hkust-nlp/WebExplorer-QA

一键三连「点赞」「转发」「注重心」

宽贷在商量区留住你的念念法！

—  完  —

� �  年度科技风向标「2025 东说念主工智能年度榜单」评比报名开启啦！咱们正在寻找 AI+ 期间领航者  点击了解笃定

❤️‍� �   企业、居品、东说念主物 3 大维度，共设置了 5 类奖项，宽贷企业报名参与   � �  

一键热心 � � 点亮星标

科技前沿进展逐日见kaiyun官方网站