Введение в WebThinker
Большие модели рассуждений (LRM) демонстрируют впечатляющие способности в таких областях, как математика, программирование и научное рассуждение. Тем не менее, они сталкиваются с серьёзными ограничениями при выполнении сложных информационных запросов, полагаясь только на свои внутренние знания. Эти модели испытывают трудности с проведением тщательного поиска информации в интернете и созданием точных научных отчетов через многоступенчатые процессы рассуждения.
Необходимость интеграции и исследование возможностей
Глубокая интеграция возможностей рассуждения LRM с веб-исследованием становится актуальной задачей, что инициирует ряд глубоких исследовательских инициатив. Однако существующие открытые глубокие поисковые агенты используют технологии RAG с ригидными, заранее определёнными рабочими процессами, что ограничивает способность LRM к более глубокому изучению веб-информации и мешает эффективному взаимодействию между LRM и поисковыми системами.
Новый подход к исследованию
Исследователи из Университета Ренмин, BAAI и Huawei Poisson Lab предложили глубокий исследовательский агент под названием WebThinker, который позволяет LRM автономно искать информацию в интернете, навигировать по веб-страницам и составлять исследовательские отчеты в процессе рассуждения. WebThinker предлагает модуль Deep Web Explorer, который позволяет LRM динамически искать и извлекать информацию из интернета при возникновении пробелов в знаниях.
Стратегия автономного поиска и создания отчетов
WebThinker использует стратегию автономного поиска и написания отчетов, позволяя моделям сочетать рассуждение, сбор информации и написание отчетов в реальном времени. Фреймворк WebThinker работает в двух основных режимах: Режим решения проблем и Режим генерации отчетов. В первом режиме WebThinker использует инструмент Deep Web Explorer для решения сложных задач. Во втором режиме LRM автономно производит детализированные отчеты.
Преимущества WebThinker
Модель WebThinker-32B-Base превосходит предыдущие методы, такие как Search-o1, во всех тестах по сложному решению задач, с улучшением на 22.9% по WebWalkerQA и на 20.4% по HLE. WebThinker достигает высшего общего балла 8.0, превышая базовые показатели RAG и продвинутые глубокие исследовательские системы в задачах генерации научных отчетов.
Заключение
В заключение, WebThinker представляет собой решение, которое предоставляет LRM возможности глубокого исследования, устраняя их ограничения в знаниях при выполнении сложных задач. Фреймворк позволяет LRM автономно исследовать интернет и производить комплексные выходные данные через непрерывные процессы рассуждения.
Как AI может преобразить бизнес
Изучите, как технологии искусственного интеллекта могут изменить ваш подход к работе:
- Ищите процессы, которые можно автоматизировать.
- Определите важные KPI для оценки положительного влияния инвестиций в AI.
- Выбирайте инструменты, соответствующие вашим целям.
- Начните с небольшого проекта и постепенно расширяйте использование AI.
Свяжитесь с нами
Если вам нужна помощь в управлении AI в бизнесе, напишите нам на hello@itinai.ru. Чтобы быть в курсе последних новостей AI, подписывайтесь на наш Telegram здесь.