Avec le développement rapide d'Internet, l'explosion de l'information a posé de nombreux défis à l'humanité en matière de recherche d'informations. Pour relever ces défis, le laboratoire Tongyi d'Alibaba a lancé un cadre innovant d'intelligence artificielle open source appelé WebSailor. Ce cadre, grâce à ses performances exceptionnelles, notamment dans la gestion de tâches complexes, a reçu plus de 5000 étoiles sur GitHub et est devenu l'un des projets les plus croissants quotidiennement.

Les performances exceptionnelles de WebSailor
Le groupe de développement de WebSailor a validé ses performances exceptionnelles par plusieurs tests de référence. Sur le test BrowseComp-en/zh, WebSailor a dépassé tous les agents open source existants et s'est même comparé à certains modèles fermés. De plus, sur le test SimpleQA, WebSailor a également démontré son avantage dans la gestion de tâches simples.
La combinaison entre la génération de tâches complexes et l'apprentissage par renforcement
La technologie principale de WebSailor repose sur deux modules : la génération de tâches complexes et l'apprentissage par renforcement. Ces deux modules se complètent mutuellement, permettant à WebSailor d'atteindre une efficacité plus élevée lorsqu'il traite des tâches de recherche d'informations complexes.
Génération de tâches complexes : Afin de simuler l'environnement d'information du monde réel, l'équipe de recherche a construit des graphes de connaissances complexes. Ces graphes sont générés par des marches aléatoires, reflétant une haute non-linéarité et complexité. Chaque nœud représente une entité, et les arêtes montrent les relations entre les entités, formant ainsi des combinaisons variées, fournissant ainsi la base pour générer des tâches à forte incertitude.
Module d'apprentissage par renforcement : L'objectif de l'apprentissage par renforcement est d'optimiser la stratégie de comportement du modèle en interagissant avec l'environnement. WebSailor utilise une méthode d'entraînement en deux étapes : d'abord une phase de fine-tuning par échantillonnage de refus (RFT) pour démarrer le modèle, puis une phase d'apprentissage par renforcement. Pendant ce processus, l'équipe de recherche a introduit une stratégie d'échantillonnage dynamique pour optimiser l'entraînement, proposant l'algorithme DUPO, permettant au modèle d'atteindre des performances supérieures avec moins d'exemples.

Des méthodes innovantes pour augmenter la complexité des tâches
Pour augmenter davantage la complexité des tâches, l'équipe de recherche a introduit une technique de brouillage d'informations lors de la génération des paires de questions-réponses. Cette technique remplace les informations précises par des descriptions floues, rendant les questions plus difficiles et exigeant des raisonnements et synthèses d'informations plus complexes. Cette méthode innovante augmente non seulement la difficulté des tâches, mais aussi le niveau d'intelligence du modèle.
Avec la publication de WebSailor, Alibaba fait un nouveau pas en avant dans l'innovation dans le domaine de l'intelligence artificielle. La nature open source facilite non seulement la diffusion et le développement de la technologie, mais offre également aux développeurs plus d'espace pour explorer et des opportunités pratiques. À l'avenir, WebSailor promet de montrer un potentiel plus important dans divers domaines tels que la recherche d'informations et les réponses intelligentes.
Adresse open source : https://github.com/Alibaba-NLP/WebAgent