OpenSeeker-v2: Pushing the Limits of Search Agents with Informative and High-Difficulty Trajectories

OpenSeeker-v2：基于高难度轨迹的搜索代理性能突破

一句话定位

通过高质量、高难度的合成轨迹数据，仅使用监督微调（SFT）训练出性能超越工业级 CPT+SFT+RL 流程的 30B 搜索代理 OpenSeeker-v2。

小学生也能听懂

这篇论文像教机器人用“思考+行动”的方式上网找答案，他们不用复杂训练方法，只靠1万多条特别难的练习题目，就让一个300亿参数的大模型学会了更聪明地搜索，成绩超过了工业界的大模型。

为什么值得记录

• 挑战了工业界依赖多阶段训练（CPT+SFT+RL）的范式，证明高质量数据驱动的单一 SFT 可达成 SOTA 性能
• 首次由纯学术团队在 ReAct 范式下实现 30B 规模搜索代理的 SOTA 性能，推动研究民主化
• 开源模型权重与训练方法，为社区提供可复现、低成本的前沿搜索代理基线
• 在 BrowseComp、BrowseComp-ZH、HLE 和 xbench 四个基准上全面超越 Tongyi DeepResearch 等工业模型

核心方法

• 采用监督微调（SFT）范式，基于 Qwen3-30B-A3B-Thinking-2507 模型进行训练
• 数据合成阶段引入三项关键改进：扩大知识图谱扩展规模（K > k）以增强上下文丰富性与多跳推理需求
• 扩展工具集（tool set）以支持更广泛的功能调用，提升代理策略多样性
• 实施严格低步数过滤（T_min 阈值），剔除少于设定步数的简单轨迹，确保训练数据具备高难度下限
• 最终仅使用 10.6k 条高难度、多步推理轨迹进行 SFT 训练
• 模型支持 256k 上下文窗口，单轨迹最多允许 200 次工具调用

关键结果

• 在 BrowseComp 上达到 46.0% 准确率，超越 Tongyi DeepResearch（43.4%）
• 在 BrowseComp-ZH 上达到 58.1%，显著优于 Tongyi DeepResearch（46.7%）
• 在 Humanity’s Last Exam 上达到 34.6%，略优于 Tongyi DeepResearch（32.9%）
• 在 xbench 上达到 78.0%，优于 Tongyi DeepResearch（75.0%）
• 平均轨迹步数达 64.67，高于 OpenSeeker-v1（46.97）和 RedSearcher（36.01），体现更高数据难度

局限与风险

• 未使用强化学习（RL）或持续预训练（CPT），可能限制其在极端复杂任务上的泛化能力
• 数据合成依赖特定知识图谱结构，泛化至其他领域需重新构建图结构
• 仅基于 ReAct 范式，未探索其他 agent 架构（如 Reflexion、Self-Refine）
• 未报告训练计算成本与时间，难以评估实际资源需求

适合沉淀的概念

search-agent, react-paradigm, supervised-fine-tuning, high-difficulty-trajectories, knowledge-graph-expansion, tool-set-expansion, low-step-filtering, long-horizon-reasoning

阅读注意

• 重点关注数据合成策略如何提升轨迹难度与丰富性，而非模型架构创新
• 注意对比 OpenSeeker-v2 与 Tongyi DeepResearch 的训练流程差异及性能反超现象
• 观察平均工具调用步数与性能提升之间的相关性，理解长轨迹对推理能力的影响
• 留意开源策略对学术研究的意义，包括模型权重与代码的公开

质量说明

• 采用来源：clean，papers/2026/05/2605.04036.md
• 生成模型：LongCat-Flash-Chat
• 源材料判断：论文提供了完整的方法描述、实验设置、量化结果与对比分析，数据可信，结论有支撑。