DeepSearch-World：可验证环境中深度搜索代理的自我蒸馏

arXiv cs.CL 论文
self-distillation web-agents tool-use verifiable-environment deep-search multi-hop-qa fine-tuning

摘要

DeepSearch-Evolve 引入了一个用于 Web 代理的自我蒸馏框架，该框架使用可验证环境（DeepSearch-World）和 420K 多跳问答任务，无需从更强模型蒸馏即可实现有竞争力的性能。

arXiv:2607.07820v1 公告类型：新 摘要：训练工具使用代理从自身经验中改进仍然具有挑战性，因为监督微调依赖于固定的教师蒸馏轨迹，而稀疏奖励强化学习为长程交互提供的监督较弱。我们提出了 DeepSearch-Evolve，这是一个基于 DeepSearch-World（一个确定性和可验证的环境，具有可复现的搜索和页面阅读工具）构建的 Web 代理自我蒸馏框架。DeepSearch-World 包含 420K 个由实体级随机游走构建的多跳问答任务，并支持对自我进化有用的关键代理认知行为，包括进度验证、基于事实的反思和故障恢复。DeepSearch-Evolve 迭代执行轨迹生成、过滤、数据混合和微调，以训练更强的代理。无需从更强模型蒸馏，DeepSearch-World-9B 在 BrowseComp 上达到 31.2%，在 GAIA 上达到 61.5%，在 HotpotQA 上达到 93.4%，与开源代理相比具有竞争力，表明可验证环境能够实现长程 Web 代理的可扩展自我进化。我们将发布环境、420K 训练池、验证集、模型和代码，以促进自我改进深度搜索代理的未来研究。
查看原文
查看缓存全文

缓存时间: 2026/07/10 06:11 

# DeepSearch-World：可验证环境下的深度搜索代理自我蒸馏
来源：https://arxiv.org/abs/2607.07820
查看PDF (https://arxiv.org/pdf/2607.07820)

> 摘要：训练工具使用型代理从其自身经验中改进仍然具有挑战性，因为监督微调依赖于固定的教师蒸馏轨迹，而稀疏奖励强化学习为长周期交互提供的监督信号较弱。我们提出DeepSearch-Evolve，这是一个基于DeepSearch-World构建的Web代理自我蒸馏框架。DeepSearch-World是一个确定且可验证的环境，提供可复现的搜索和页面阅读工具。该环境包含42万个从实体级随机游走构建的多跳QA任务，并支持自我进化所需的关键代理认知行为，包括进度验证、基于事实的反思和失败恢复。DeepSearch-Evolve通过迭代执行轨迹生成、过滤、数据混合和微调来训练更强的代理。在不借助更强大模型蒸馏的情况下，DeepSearch-World-9B在开放源码代理中取得了有竞争力的性能：BrowseComp上31.2%，GAIA上61.5%，HotpotQA上93.4%，表明可验证环境能够实现长周期Web代理的可扩展自我进化。我们将公开环境、42万训练池、验证集、模型和代码，以促进深度搜索代理自我改进的未来研究。

## 提交历史

来自：Xinyu Geng [查看邮件 (https://arxiv.org/show-email/31d1c647/2607.07820)] **[v1]** 2026年7月8日星期三 18:03:41 UTC (2,480 KB)

相似文章

通过世界知识探索训练LLM智能体实现自发、无奖励的自我进化

Hugging Face Daily Papers

# 论文页面 - 通过世界知识探索训练LLM智能体实现自发、无奖励的自我进化 来源：[https://huggingface.co/papers/2604.18131](https://huggingface.co/papers/2604.18131) ## 摘要 具备内在元进化能力的智能体通过在没有外部监督的情况下自主生成的世界知识，在网页导航任务中展现出更优的性能。如今大多数智能体通过遵循人类定义的奖励和规则来``自我进化''。然而，

Agent-World：面向演进式通用智能体的现实世界环境合成扩展

Hugging Face Daily Papers

# 论文页面 - Agent-World: Scaling Real-World Environment Synthesis for Evolving General Agent Intelligence 来源：[https://huggingface.co/papers/2604.18292](https://huggingface.co/papers/2604.18292) 发布于 4 月 20 日 · 提交者[https://huggingface.co/dongguanting](https://huggingface.co/dongguanting) [![](https://cdn-avatars.huggingface.co/v1/production/uploads/61cd4b833dd34ba1985e0753/BfHfrwotoMESpXZOHiIe4.png)](https://huggingface.co/dongguanting) [KABI](https://huggingface.co/donggua