DeepEyesV2模型训练分为两个核心阶段：第一阶段通过监督微调，帮助模型建立工具使用的基础认知；第二阶段借助强化学习，大幅提升工具调用效率与场景泛化能力。
通义DeepResearch无需人工干预即可生成高质量训练数据集，突破传统智能体的数据瓶颈；构建“智能体持续预训练（Agentic CPT）—监督微调（SFT）—强化学习（RL）”的端到端完整训练链路，确保模型能力的系统性迭代。
WebResearcher作为阿里巴巴通义实验室重磅推出的迭代式深度研究智能体，精准模拟人类专家的认知工作流程。它具备自主拆解复杂问题、智能协调工具调用、整合碎片化信息输出有理有据报告的核心能力，与传统研究智能体相比，通过分阶段处理研究全流程。
ArenaRL是由通义DeepResearch团队联合高德共同开源的对比式强化学习方法，专为开放域智能体的训练优化设计。目前，ArenaRL不仅在学术基准测试中表现优异，更已在高德地图真实业务场景中完成落地验证，显著提升了智能体在复杂任务中的规划与执行能力。
AgentCPM-Explore是由清华、人大、面壁智能与OpenBMB开源社区联合研发的轻量级开源智能体模型。该模型仅依托4B参数规模，却在多项长程任务评测基准中超越同尺寸乃至更大参数量的模型，展现出极高的能力密度；同时支持超100轮稳定交互，具备强大的深度探索能力。
