← 返回系列列表

Sailor 1 个模型

阿里巴巴 · 2025.07 - 2025.07

发布时间线

2025.07.07
WebSailor
1. 提出SailorFog-QA大规模合成数据集,通过随机游走建图和子图采样生成高不确定性难题 2 ...
发布日期 公司 模型名称 类型 特性
2025-07-07 阿里巴巴 WebSailor 主流 1. 提出SailorFog-QA大规模合成数据集,通过随机游走建图和子图采样生成高不确定性难题 2. 采用RFT冷启动训练,利用开源LRM轨迹重构Thought过程,建立ReAct式推理和工具调用习惯 3. 提出DUPO高效强化学习算法,通过双阶段动态采样策略(过滤简单样本、重复采样困难轨迹)提升训练效率2-3倍 4. 结合格式正确性和答案准确性的严格奖励设计,杜绝奖励Hack行为