← 返回系列列表
Sailor 1 个模型
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 |