知識圖譜強化DRS：WebSailor智能導航與推理探索

知識強化 DRS：WebSailor 的航行之道

WebSailor：超越人類推理的網頁智能代理

【核心亮點】

個人認為，樣本構建與DSPO是這篇論文的核心所在。

【樣本構建】

如圖-1所示，該論文旨在讓DRS解決L3級別的任務（見圖-2），這類任務通常缺乏明確的推理路徑，需要逐步獲取信息、進行比較，甚至可能包含多條推理路徑。論文提出利用知識圖譜來引導生成難題的思路。

問題和答案

1. 從維基數據出發，結合互聯網中的數據，進一步豐富知識圖譜的信息（通過搜索、訪問再用LLM見圖-3）。
2. 采集子圖樣本，這些子圖中不僅包含線性推理結構，還包含復雜的分支和循環信息。
3. 利用強模型對圖譜信息進行并生成問題和答案。
4. 構建混淆問題，隱藏掉問題中的關鍵信息或添加干擾信息，以提高魯棒性。

路徑

1. 利用LRM逐步生成調用工具和cot。
2. 為了防止cot過長，使用另一個模型進行壓縮和但根據論文，并沒有使用LRM的CoT。
3. 過濾掉結果不正確的路徑和過于簡單的問題（8條路徑都正確）。

【DUPO】

如圖-4所示，這可以看作是DAPO的擴展。之前未曾了解過DAPO，學習后會回來補充。

【討論】

1. 利用知識圖譜構建樣本的思路確實巧妙，但僅僅如此就能使LLM具備多個信息源頭交叉對比的能力嗎？
2. 感覺這個思路可以進一步擴展，比如結合私域的知識圖譜，再通過公網搜索增強圖譜的信息，最后基于此生成樣本。
3. 不明白為何要使用LRM生成next-action？

(責任編輯：佚名)