人大：LLM深度研究框架WebThinker

📖标题：WebThinker: Empowering Large Reasoning Models with Deep Research Capability
🌐来源：arXiv, 2504.21776

🌟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，他们对静态内部知识的依赖限制了他们在复杂、知识密集型任务上的表现，并阻碍了他们编写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Deep Web Explorer模块，使LRM在遇到知识缺口时能够动态搜索、导航和提取网络信息。它还采用了自主思考搜索和草稿策略，使模型能够实时无缝地交织推理、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）引入了一种基于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明显优于现有方法和强大的专有系统。我们的方法增强了LRM在复杂场景中的可靠性和适用性，为更强大、更通用的深度研究系统铺平了道路。该代码可在以下网址获得https://github.com/RUC-NLPIR/WebThinker.

🛎️文章简介

🔸研究问题：大型推理模型在复杂信息检索和科学报告生成中的能力不足。
🔸主要贡献：论文提出了WebThinker框架，增强了大型推理模型的深度研究能力，使其能够自主进行网络探索和报告生成。

📝重点思路

🔸WebThinker框架包括两个主要模式：问题解决模式和报告生成模式，分别用于处理复杂推理任务和生成综合报告。
🔸在问题解决模式中，模型能够调用深网探索工具，进行动态搜索和信息提取。
🔸在报告生成模式中，模型通过自主思考、搜索和写作的方式，利用专业写作工具生成全面的研究报告。
🔸WebThinker还结合了强化学习策略，以优化模型对研究工具的使用。

🔎分析总结

🔸WebThinker通过实验验证了其在复杂推理任务和科学报告生成任务上的有效性，显示出在知识密集型任务中的优越表现。
🔸通过与现有方法的对比，WebThinker在生成报告的内容广度和深度上表现出明显的优势，尤其是在信息整合和多步骤推理方面。
🔸实验结果表明，WebThinker在处理复杂问题时能够更好地利用外部知识，显著提升了最终报告的质量和一致性。

💡个人观点

论文的核心在于将大型推理模型与深度网络探索相结合的框架，使其不仅能进行简单的信息检索，还能在动态环境中进行复杂的推理和报告生成。

🧩附录