阿里发布名为WebDancer的信息检索Agent，能够像人类一样上网搜索和推理。它在GAIA和WebWalkerQA基准测试中分别取得61.1%和54.6%的Pass@3分数，表现优于基线模型和部分开源框架。模型与方法已开源。

WebDancer通过四阶段训练范式实现自主信息搜索能力：浏览数据构建、轨迹采样、有监督微调和强化学习。其中，轨迹采样基于ReAct框架，采用双路径生成短思维链和长思维链，确保高质量执行轨迹。SFT阶段通过损失函数优化模型任务分解与工具调用能力，RL阶段则使用DAPO算法提升泛化能力。

测试结果显示，WebDancer在GAIA和WebWalkerQA上分别达到46.6%和43.2%的准确率，优于无代理能力的框架。在BrowseComp和BrowseComp-zh等挑战性数据集上也表现出色。其奖励机制结合格式奖励和答案奖励，权重分别为0.1和0.9。相关论文、代码和模型已公开。