00359 WebThinker (论文学习笔记)

前言

Renmin University of China WebThinker论文的学习笔记。

信息

论文题目：WebThinker: Empowering Large Reasoning Models with Deep Research Capability

发表年份：2025

论文地址：https://arxiv.org/abs/2504.21776

pdf 地址：https://arxiv.org/pdf/2504.21776

个人学习笔记：

1. https://github.com/yanfeng98/paper-is-all-you-need/blob/main/papers/00074-WebThinker.pdf
2. https://cdn.jsdelivr.net/gh/yanfeng98/paper-is-all-you-need/papers/00074-WebThinker.pdf

内容

摘要

大型推理模型（LRM），如OpenAI-o1和DeepSeek-R1，展示了令人印象深刻的长期推理能力。然而，它们对静态内部知识的依赖限制了它们在复杂、知识密集型任务上的表现，并阻碍了它们生成需要综合各种网络信息的综合研究报告的能力。为了解决这个问题，我们提出了WebThinker，这是一种深度研究代理，使LRM能够在推理过程中自主搜索网络、浏览网页和起草研究报告。WebThinker集成了一个Deep Web Explorer模块，使LRM能够在遇到知识差距时从网络中动态搜索、导航和提取信息。

它还采用了自主Think-Search-and-Draft策略，允许模型实时无缝交错推理、信息收集和报告编写。为了进一步提高研究工具的利用率，我们通过迭代在线直接偏好优化（DPO）引入了基于RL的训练策略。对复杂推理基准（GPQA、GAIA、WebWalkerQA、HLE）和科学报告生成任务（Glaive）的广泛实验表明，WebThinker显着优于现有方法和强大的专有系统。我们的方法增强了LRM在复杂环境中的可靠性和适用性，为更有能力和多功能的深度研究系统铺平了道路。该代码可在 https://github.com/RUC-NLPIR/WebThinker 获得。

结语

第三百五十九篇博文写完，开心！！！！

今天，也是充满希望的一天。