AB
AB
AiBoss

すべてのカテゴリ

project

WebShaper - アリババ同義が立ち上げたAIトレーニングデータ合成システム

WebShaperは、アリババ同義研究所が開発した革新的なAIトレーニングデータ合成システムです。形式モデリングとエージェント拡張メカニズムを通じて、AIエージェントのトレーニングに高品質でスケーラブルなデータを提供します。

WebShaperとは何ですか？

WebShaperは、アリババ同義研究所が開発した革新的なAIトレーニングデータ合成システムです。形式モデリングとエージェント拡張メカニズムを通じて、AIエージェントのトレーニングに高品質でスケーラブルなデータを提供します。WebShaperは、集合論に基づく「知識投影」（KP）の概念を初めて導入しました。KPの交差、和集合、再帰演算を通じて、複雑な問題構造を構築し、推論パスとタスクの複雑さを正確に制御します。WebShaperのExpanderエージェントは、単純な「シード問題」から始めて、徐々に複雑な推論タスクへと拡張し、AIが「独自の質問を提案する」ことを可能にします。トレーニング戦略は、教師ありファインチューニング（SFT）とGRPO強化学習を組み合わせることで、複雑な情報検索タスクにおいてモデルが優れたパフォーマンスを発揮できるようにします。

WebShaperの主な機能

  • 形式モデリングWebShaperは、集合論に基づいた情報検索（IS）タスクのための形式的なモデリング手法を先駆的に開発しました。WebShaperは、「知識投影」（KP）を通して、複雑な情報検索タスクを複数の集合演算（交差、和集合、再帰など）に分解します。各KPは特定のエンティティを含む集合であり、これらの演算によって複雑な問題構造を構築し、推論経路とタスクの複雑さを正確に制御することが可能になります。
  • エージェント拡張メカニズムWebShaperの主要なイノベーションの一つは、AIが自ら質問を「提案」できるようにした点です。Expanderエージェントを通して、システムは単純な「シード問題」から始まり、徐々に複雑な推論タスクへと拡張していきます。Expanderエージェントは、検索、要約、検証といったツールを駆使して、より複雑で論理的に明確な質問を段階的に構築し、回答の正しさを検証します。これにより、明確な推論の流れと制御可能なタスク構造が保証されます。
  • 高品質なデータ生成WebShaperは、形式的なモデリングとエージェント拡張メカニズムを通じて、推測に基づくものではなく、制御可能で解釈可能かつ拡張性の高い高品質なタスクに基づいたトレーニングデータを生成します。これにより、事前取得データの制約を打破し、より幅広いタスクタイプ、機能の活性化、知識の網羅性を実現すると同時に、データ合成におけるエラーや冗長な情報を削減します。
  • エージェントのトレーニング戦略WebShaperは、教師ありファインチューニング（SFT）とGRPO強化学習を組み合わせた戦略を採用しており、曖昧で多段階の情報の中から、AIエージェントが推論能力と情報検索能力を段階的に習得できるようにしています。トレーニングは高品質のトレーニング軌跡から始まり、報酬メカニズムによってモデルは近道や推測を避け、多段階の推論を実行するように導かれます。

WebShaperの技術原則

  • 形式主導型フレームワークWebShaperは集合論を用いて情報検索タスクを体系的に形式化しており、その中核となる概念は「知識投影」（KP）である。KPとは、特定の関係に基づいたエンティティの集合である。
  • 知識投影操作
    • R連合「2000年から2010年までの大会に参加した選手は、労働組合の活動によって代表されることができる」といった不確実な状況に対処するために使用されます。
    • 交差点「2000年に参加し、かつ1990年代生まれの選手」など、複数の制約を処理するために使用されます。
  • タスク拡張メカニズムWebShaperは「シードタスク」から始まり、エキスパンダーを用いて問題の複雑さを段階的に高めていきます。形式的なフレームワークに基づき、検索ツールや検証ツールと組み合わせたエキスパンダーは、単純な問題を複雑な問題へと拡張し、論理的な一貫性を確保しながらタスクの難易度を高めていきます。
  • データ合成とトレーニング生成された複雑な質問は訓練データに変換され、教師ありファインチューニング（SFT）と強化学習（GRPOアルゴリズムなど）によってモデルが訓練され、複雑な情報検索タスクにおけるモデルの推論能力が向上します。

WebShaperのプロジェクトアドレス

  • GitHubリポジトリ：https://github.com/Alibaba-NLP/WebAgent
  • ハギングフェイスモデルライブラリ：https://huggingface.co/datasets/Alibaba-NLP/WebShaper
  • arXiv技術論文：https://arxiv.org/pdf/2507.15061

WebShaperの応用シナリオ

  • 文献レビューと分析WebShaperは、研究者が学際的な知識発見のために関連文献を迅速に収集・整理するのに役立ちます。
  • 市場調査WebShaperは、市場調査、競合分析、投資意思決定支援に活用できます。ビジネスアナリストは、AIシステムを活用して業界データの自動収集、市場動向の分析、競合他社の戦略評価を行うことができます。
  • インテリジェント学習アシスタントWebShaperは、学生が深い学習や研究に基づいた学習に取り組むのを支援する、インテリジェントな学習アシスタントとなり得る。
  • 人生の決断WebShaperは、旅行計画、健康に関する問い合わせ、人生における意思決定といった場面ですぐに利用でき、ユーザーにパーソナライズされた情報サポートを提供します。
  • 医療情報に関するお問い合わせWebShaperは、ユーザーが医療や健康に関する情報にアクセスしたり、専門的な医療アドバイスや健康相談を受けたりするのに役立ちます。
戻る