网络搜索智能体性能瓶颈与解决方案 - 当前开源网络智能体在处理复杂搜索任务时表现有限，而更强大的商业模型缺乏透明的训练细节 [10] - 性能瓶颈的核心并非模型参数不足，而是缺乏足够有挑战性的训练数据 [1] - 现有评测基准已发展至极其困难水平，例如BrowseComp-en基准测试中超过一半的问题人类标注者也无法在两小时内解决 [11] WebExplorer方法的核心创新 - 提出两阶段探索-演化框架WebExplorer，用于创建需要多步推理和复杂网络导航的高难度QA对 [13] - 第一阶段为模型驱动的探索，从种子实体开始，利用强大LLM通过迭代搜索和浏览操作模拟图构建过程 [15][16] - 第二阶段为迭代查询演化，通过移除显著信息、引入战略性模糊化和寻找替代描述三个策略提高查询难度 [18][19][26] WebExplorer-QA数据集构建与效果 - 通过探索-演化过程构建了包含约4万个演化后问答对的WebExplorer-QA数据集 [22] - 演化过程效果显著：强性能商业模型的准确率从86.6%大幅下降到67.1% [27] - 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，表明成功创建了需要广泛多步推理的复杂查询 [27] WebExplorer-8B模型性能表现 - 基于Qwen3-8B模型训练，支持128K上下文长度和100次工具调用轮次的长视野推理 [7][28] - 在强化学习训练后能够平均高效搜索16轮，在BrowseComp-en/zh上实现比WebSailor-72B更高的准确率 [30] - 在WebWalkerQA和FRAMES数据集上取得了小于100B参数模型中的最佳性能，在HLE学术前沿基准上取得17.3%的成绩 [30][33] 行业影响与意义 - 证明了数据质量比模型规模更重要，较小的模型通过高质量数据可以在复杂任务上超越更大模型 [5][29][33] - 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 [34] - 为训练高级网络智能体提供了一条实用路径，方法已开源包括模型和数据集 [8][35]