2
1
0
「 Deep Research, WebDancer, WebSailor 」
- 问：“一部知名电视剧：女二 1993 年入行；女一现任丈夫是浙江湖州人；男一六年后登上春晚。剧名是什么？”
- 答案：父母爱情
这种题目来自 BrowseComp-ZH，是典型的检测模型 “超级深度” (Level-3) 的 Deep Research 能力的benchmark。
分享两篇文章
时政
(
twitter.com
)
由
马东锡 NLP 🇸🇪
提交
「 Deep Research, WebDancer, WebSailor 」
- 问：“一部知名电视剧：女二 1993 年入行；女一现任丈夫是浙江湖州人；男一六年后登上春晚。剧名是什么？”
- 答案：父母爱情
这种题目来自 BrowseComp-ZH，是典型的检测模型 “超级深度” (Level-3) 的 Deep Research 能力的benchmark。
分享两篇文章 WebDancer 和 WebSailor 。
两篇文章介绍了如何端到端训练一个 Deep Research Agent ，以及，如何将这种 Web Agent 推向 BrowseComp - en/zh 等超深基准。
数据方面：
WebDancer 通过构建 CRAWLQA和E2HQA，扩大难度渐进的数据量。
WebSailor 则用 SailorFog-QA，人为构造 Level-3 任务。
训练方面：
WebDancer和WebSailor都采用ReAct框架，以及类似的post training recipe （SFT + On-policy RL）。
WebDancer 强在 GAIA/WebWalker 这类中等深度任务；而WebSailor 将优势推向 BrowseComp - en/zh 基准。
非常solid的工作！
点击图片查看原图
Markdown支持
评论加载中...
您可能感兴趣的：
更多
1
2
1
1
2
2
1
1
3
2
1
1
4
2
1
1
5
2
1
1
6
2
1
1
7
2
1
1
8
2
1
1
9
2
1
1
