背景与问题 - 传统搜索引擎难以满足深层次、多步骤信息获取需求，触及人类认知极限[2] - 开源Web Agent在极端复杂任务上表现不佳，BrowseComp-en基准准确率几乎为零[2] - 闭源系统如DeepResearch已实现"超人类"水平，开源模型存在显著差距[2] - 复杂任务需要多步推理和整合分散线索，如HBO剧集音乐创作者溯源案例[3] 技术创新 数据构造 - 构建SailorFog-QA数据集，包含Level-3高不确定性任务（非线性知识网络、模糊化信息）[8][12] - 通过维基数据选取模糊实体，随机扩展生成复杂知识图谱[12] - 信息模糊化处理（时间、地点、定量数据）提升任务难度[12] - 数据复杂度验证：工具调用呈长尾分布，20%样本需超5次交互[24] 训练方法 - 推理轨迹重构：保留LRM的Action-Observation序列，反向生成简洁推理过程[16] - 两阶段训练：RFT冷启动（数千条高质量轨迹）+ DUPO强化学习[17] - DUPO算法效率提升：训练速度比DAPO快2-3倍，采用动态样本复制策略[18] - 复合奖励机制：同时评估格式规范性与答案准确性[17] 性能表现 - WebSailor-72B在BrowseComp-en准确率达12%，超越所有开源模型[20] - WebSailor-7B以6.7%准确率超过32B规模竞品，验证训练范式优势[21] - 四大基准全面领先：BrowseComp-zh（30.1%）、Xbench-DeepSearch（55%）、GAIA（55.4%）[20] - 简单任务兼容性：在SimpleQA子集上超越直接推理和其他Agent方法[22] 行业意义 - 证明性能提升关键在训练范式革新，非单纯模型规模[27] - 提供通用蓝图：高难度任务合成→精炼逻辑监督→高效强化学习[27] - 推动AI从模仿人类转向构建极限挑战任务[27] - 未来方向：异步强化学习、多模态整合、跨领域综合任务[28]