@KaiZhang_CS: 看看由 @jianxie_ 训练的最佳开源搜索代理之一！！很高兴看到早期经验方法在……

X AI KOLs Timeline 2026/06/17 23:10 模型

open-source search-agent deep-research synthetic-data reinforcement-learning academic-budget

摘要

Yu Su 的团队在有限的学术预算下训练了一个前沿的 Deep Research Agent，使用 8K 合成样本和强化学习，并发布了完全开放的训练基础设施和从 2B 到 35B 参数的模型。

看看由 @jianxie_ 训练的最佳开源搜索代理之一！！很高兴看到早期经验方法在前沿代理上奏效！😀

查看原文

查看缓存全文

缓存时间: 2026/06/18 10:12

看看由 @jianxie_ 训练的顶尖开源搜索代理！！很开心看到早期经验方法在前沿代理上照样奏效了！😀

Yu Su (@ysu_nlp): 我们用学术预算训练了一个接近前沿的深度研究代理

> 32 块 H100
> 8000 个合成样本
> 完全开源训练基础设施和配方（SFT、中期训练、RL）
> 不同尺寸的模型（2B 到 35B），开箱即用

这又一次展示了前沿领域是如何的

相似文章

X AI KOLs Timeline

一个小团队在学术预算下，仅使用32块H100和8K个合成样本，训练了一个前沿级别的深度研究智能体，并完全公开了从2B到35B模型的权重、代码和论文，这些模型在关键基准测试中匹配或超越了封闭的前沿智能体。

X AI KOLs Timeline

OpenSeeker 完全开源了基于 ReAct 框架的 30B 规模搜索智能体的训练数据与模型，在多个基准测试（包括 BrowseComp 和 Humanity's Last Exam）上达到了最先进的性能。这是首个在前沿搜索基准上达到顶尖水平并同时公开完整训练数据的纯学术项目。

arXiv cs.AI

本文介绍了S1-DeepResearch-32B，这是一个开源模型及包含15K条轨迹的数据集，用于深度研究代理，通过联合建模信息获取、知识综合与规划，在20个基准测试中取得了最先进的性能。

Hugging Face Daily Papers

QUEST是一个开放的深度研究智能体家族，使用合成数据和强化学习训练，在多种长周期搜索任务中取得了强劲的性能，接近前沿闭源智能体。

X AI KOLs Timeline

DeepSeek 研究员开源了 AutoResearch，这是一个自主框架，能够在无需人工干预的情况下，为 DeepSeek 285B 模型规划、执行并调试强化学习实验，并附带了一篇关于自我对弈的综述论文。