Эта модель была представлена в статье WebDancer: На пути к автономному агентству по поиску информации. Вы можете скачать модель, а затем запустить сценарии вывода на https://github.com/Alibaba-NLP/WebAgent. — Собственная модель агентного поиска с использованием структуры ReAct для автономного агентства по поиску информации и модели, подобной Deep Research. — Мы представляем четырехэтапную парадигму обучения, включающую построение просмотренных данных, выборку траекторий, контролируемую точную настройку для эффективного холодного запуска и обучение с подкреплением для улучшения обобщения, что позволяет агенту самостоятельно приобретать навыки автономного поиска и рассуждения. — Наш подход, ориентированный на данные, объединяет тонкую настройку контроля на уровне траектории и обучение с подкреплением (DAPO) для разработки масштабируемого конвейера для обучения агентских систем через SFT или RL. — WebDancer получил оценку Pass@3 61,1% на GAIA и 54,6% на WebWalkerQA.
Модальности:
Генерация текста
Области применения:
Диалог / чат
Задача: Генерация текста
Автор: Alibaba-NLP
Теги: qwen2, conversational, text-generation-inference, endpoints_compatible
Лайков: 57 | Загрузок: 12
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
