WebWatcher是阿里推出的首個開源多模態深度研究智慧型體。
基本介紹
- 外文名：WebWatcher
- 所屬公司：阿里
發展歷史,產品簡介,運行案例,測評成績,
發展歷史
2025年8月15日訊息，今日晚間，阿里宣布推出首個開源多模態深度研究智慧型體（Deep Research Agent）——WebWatcher。
產品簡介
WebWatcher的核心創新點在於配備了增強的視覺語言推理能力，能夠圖文結合思考並調用多種工具，從而使研究結果更深入。
運行案例
實驗結果表明，WebWatcher在四個具有挑戰性的VQA（視覺問答）基準測試中全面領先於主流的開閉源多模態大模型：
其在Humanity’s Last Exam（HLE）-VL（複雜推理）、BrowseComp-VL（信息檢索）、LiveVQA（知識整合）和MMSearch（聚合類信息尋優）等任務測試中均獲得高分，超越GPT-4o、Gemini2.5-flash、Qwen2.5-VL-72B、Claude 3.7等模型。
測評成績
WebWatcher的技術方案覆蓋了從數據構建到訓練最佳化的完整鏈路，核心目標是讓多模態Agent在高難度多模態深度研究任務中具備靈活推理和多工具協作能力。整個方法包含三大環節：
1、多模態高難度數據生成：構建具備複雜推理鏈和信息模糊化的訓練數據；
2、高質量推理軌跡構建與後訓練：生成貼近真實多工具互動的推理軌跡，並通過監督微調（SFT）完成初步能力對齊。然後利用GRPO在複雜任務環境中進一步提升模型的決策能力與泛化性；
3、高難度基準評測：構建並使用BrowseComp-VL對模型的多模態深度推理能力進行驗證。
