WebExplorer-QA 是由香港科技大学、 MiniMax 和滑铁卢大学于 2025 年发布的一个针对信息检索与网络浏览任务的数据集，相关论文成果为「WebExplorer: Explore and Evolve for Training Long-Horizon Web Agents」，旨在通过系统化生成具有挑战性的查询 – 答案对，提升模型在复杂多步推理与长程网页导航中的表现。 该数据集目前仅公开 100 条高质量样本供学术研究和社区测试使用，这些数据由模型探索生成初始问答对，然后通过「长到短」查询演化机制迭代完善，以增强问题的难度与信息检索的链路。问答对需要模型执行多步检索／浏览网页操作，从多个网页中汇总信息来产生答案，适用于训练与评估网络代理或大语言模型在信息搜寻（information seeking）、多跳／复杂上下文推理（multi-step reasoning）、长上下文提示（long-horizon context）处理，以及工具调用（tool calling）与网页导航的能力。

Citation

@misc{liu2025webexplorer, title={WebExplorer: Explore and Evolve for Training Long-Horizon Web Agents}, author={Junteng Liu and Yunji Li and Chi Zhang and Jingyang Li and Aili Chen and Ke Ji and Weiyu Cheng and Zijia Wu and Chengyu Du and Qidi Xu and Jiayuan Song and Zhengmao Zhu and Wenhu Chen and Pengyu Zhao and Junxian He}, year={2025}, eprint={2509.06501}, archivePrefix={arXiv}, primaryClass={cs.CL}, url={https://arxiv.org/abs/2509.06501}, }