WebSailor : Naviguer dans le raisonnement surhumain pour les agents web

WebSailor: Navigating Super-human Reasoning for Web Agent

July 3, 2025

Auteurs: Kuan Li, Zhongwang Zhang, Huifeng Yin, Liwen Zhang, Litu Ou, Jialong Wu, Wenbiao Yin, Baixuan Li, Zhengwei Tao, Xinyu Wang, Weizhou Shen, Junkai Zhang, Dingchu Zhang, Xixi Wu, Yong Jiang, Ming Yan, Pengjun Xie, Fei Huang, Jingren Zhou

cs.AI

Résumé

Dépasser les limitations cognitives humaines représente une frontière cruciale dans l'entraînement des LLM. Les systèmes propriétaires agentiques comme DeepResearch ont démontré des capacités surhumaines sur des benchmarks extrêmement complexes de recherche d'informations tels que BrowseComp, un exploit jusque-là inatteignable. Nous postulons que leur succès repose sur un schéma de raisonnement sophistiqué absent des modèles open-source : la capacité à réduire systématiquement l'incertitude extrême lors de la navigation dans des paysages informationnels vastes. Sur la base de cette observation, nous introduisons WebSailor, une méthodologie complète de post-entraînement conçue pour instiller cette capacité cruciale. Notre approche implique la génération de tâches nouvelles à haute incertitude via un échantillonnage structuré et une obfuscation d'informations, un démarrage à froid par RFT, et un algorithme efficace d'entraînement RL agentique, l'Optimisation de Politique d'Échantillonnage par Duplication (DUPO). Avec ce pipeline intégré, WebSailor surpasse significativement tous les agents open-source dans les tâches complexes de recherche d'informations, égalant les performances des agents propriétaires et réduisant l'écart de capacités.

English

Transcending human cognitive limitations represents a critical frontier in LLM training. Proprietary agentic systems like DeepResearch have demonstrated superhuman capabilities on extremely complex information-seeking benchmarks such as BrowseComp, a feat previously unattainable. We posit that their success hinges on a sophisticated reasoning pattern absent in open-source models: the ability to systematically reduce extreme uncertainty when navigating vast information landscapes. Based on this insight, we introduce WebSailor, a complete post-training methodology designed to instill this crucial capability. Our approach involves generating novel, high-uncertainty tasks through structured sampling and information obfuscation, RFT cold start, and an efficient agentic RL training algorithm, Duplicating Sampling Policy Optimization (DUPO). With this integrated pipeline, WebSailor significantly outperforms all opensource agents in complex information-seeking tasks, matching proprietary agents' performance and closing the capability gap.