DeepSearch-World：可验证环境下的深度搜索智能体自蒸馏框架
DeepSearch-Evolve是一个自蒸馏框架，基于可验证的DeepSearch-World环境训练网络智能体。该环境包含42万个多跳问答任务，支持进度验证、反思和故障恢复等认知行为。在没有更强模型蒸馏的情况下，DeepSearch-World-9B在多个基准测试中取得了有竞争力的成绩，证明了可验证环境能够支持长周期网络智能体的自我进化。
训练工具使用型智能体从自身经验中改进仍然是一项挑战。监督微调依赖于固定的教师蒸馏轨迹，而稀疏奖励的强化学习对于长周期交互提供的监督信号较弱。为了克服这一难题，研究人员提出了DeepSearch-Evolve，一个基于DeepSearch-World环境的自蒸馏框架。DeepSearch-World是一个确定且可验证的环境，配备有可复现的搜索和页面阅读工具，确保了实验的可重复性。该环境包含42万个多跳问答任务，这些任务通过实体级随机游走自动构建，覆盖了多种知识领域。环境还支持关键的智能体认知行为，例如进度验证、基于事实的反思和故障恢复，这些能力对于智能体的自我进化至关重要。DeepSearch-Evolve框架通过迭代执行轨迹生成、过滤、数据混合和微调，逐步提升智能体的性能。在没有依赖更强模型蒸馏的情况下，DeepSearch-World-9B模型在多个基准测试中取得了有竞争力的成绩：在BrowseComp上达到31.2%，在GAIA上达到61.5%，在HotpotQA上达到93.4%。这些结果表明，可验证环境能够有效支持长周期网络智能体的可扩展自我进化。研究团队已承诺将公开环境、42万训练池、验证集、模型和代码，旨在促进未来对自我改进深度搜索智能体的研究。该论文于2026年7月8日提交至arXiv，作者包括Xinyu Geng等10位研究人员。