ReSum

ReSum – 阿里通义开源的WebAgent推理范式

核心亮点： ReSum是阿里通义DeepResearch家族推出的创新WebAgent推理范式，通过周期性摘要机制突破了长视界任务中的上下文长度限制，并融合GRPO算法显著提升了智能体的推理能力，实现无限探索并保持对先前认知的掌握。

ReSum：解锁WebAgent的无限探索潜能

ReSum，这一源自阿里通义DeepResearch家族的革新性WebAgent推理范式，为解决长视界任务中的关键瓶颈——上下文长度限制，提供了开创性的解决方案。它通过智能地对交互历史进行周期性摘要，将不断增长的对话内容浓缩为精炼的推理状态，从而赋予WebAgent近乎无限的探索能力，同时确保其能够牢牢把握住先前发现的关键信息。

ReSum的独特优势

摆脱上下文束缚：ReSum运用创新的摘要机制，将冗长的对话精炼成紧凑的推理状态，彻底消除了WebAgent在处理长序列任务时面临的上下文长度限制。
赋能无限探索：通过动态更新其推理状态，ReSum使WebAgent能够进行不受限制的探索，确保每一步决策都建立在最新、最全面的信息之上。
强化推理引擎：ReSum的核心在于其ReSum-GRPO方案，该方案整合了GRPO（Group Relative Policy Optimization）算法，通过生成、检索、规划和优化四个关键环节，极大地增强了智能体的逻辑推理和决策能力。
实证卓越表现：与传统的ReAct方法相比，ReSum在各项测试任务中平均绝对提升了4.5%，尤其在处理长篇幅对话和复杂推理场景时，其优越性得到了充分验证。

ReSum的技术基石

智能上下文摘要：ReSum的核心技术在于其周期性的上下文摘要功能。通过定期对交互历史进行高度概括，它将庞大的对话信息转化为精炼的推理状态，既打破了上下文长度的限制，又保留了支持后续推理的关键信息。
ReSum-GRPO驱动：ReSum基于ReSum-GRPO方案构建，深度融合了GRPO算法。该算法通过“生成-检索-规划-优化”的四步流程，系统性地优化了智能体的决策过程，从而在复杂任务中实现卓越表现。
动态推理状态：ReSum能够实时更新其推理状态，确保智能体在执行每一步操作时，都能基于最新的信息进行判断，从而实现高效、精准的多步推理。
强化学习赋能训练：ReSum在强化学习的框架下进行训练。通过on-policy训练策略以及特制的GRPO算法，它确保了学习信号与模型当前的能力保持高度一致，显著提高了训练的稳定性和整体效率。