[ICLR 2025] OPENRESEARCHER：构建全开源深度研究智能体的“轨迹工厂”
OpenResearcher: A Fully Open Pipeline for Long-Horizon Deep Research Trajectory Synthesis
本文提出 OPENRESEARCHER，这是一个全开源的深度研究轨迹合成框架。该框架通过解耦离线语料库构建与多轮轨迹合成，利用 GPT-OSS-120B 作为教师模型，在包含 1500 万文档的离线环境中合成了超过 9.7 万条长步数（Long-horizon）研究轨迹，显著提升了开源模型在复杂搜素和推理任务中的表现。
TL;DR
针对当前大模型在处理复杂、长路径（Long-horizon）科研任务时依赖昂贵且不可控的在线 API 问题，来自滑铁卢大学、德州 A&M 等机构的研究者推出了 OPENRESEARCHER。它通过构建一个包含 1500 万文档的离线“小型互联网”，并引入 Search（搜索）、Open（打开）、Find（查找）三项浏览器原语，成功训练出了能自主进行上百步搜索推理的开源智能体，性能甚至在多个指标上超越了 GPT-4.1。
背景定位：从“搜索引擎”到“深度研究者”
DeepSeek-R1 的爆火验证了推理模型（LRMs）在逻辑链条上的潜力，但**深度研究（Deep Research）**不仅仅是逻辑推理，它更是一种复杂的交互行为。
- Prior Work 的局限：现有的智能体（如 Search-R1）通常只有 2-5 轮的搜索，更像是单次检索。
- 成本与复现困境：依赖 Google 或 Bing API 采集数据，每条失败的轨迹都在烧钱，且网页内容实时变化，实验完全不可复现。
核心直觉：模拟人类浏览的“三部曲”
OPENRESEARCHER 的作者认为，深度研究必须模拟人类真实的上网习惯，而不是简单的关键词匹配。为此他们提出了三个 Minimal Primitives：
- Search：全局搜索，获取候选源。
- Open：点击详情，阅读全文。
- Find：页面内定位，寻找特定实体或短语。
这种设计强迫模型学习如何从大规模语料库中逐渐收窄焦点，从“大海捞针”变为“精准手术”。
图 1：OPENRESEARCHER 的轨迹合成全流程。从问题采集、语料库构建到教师模型交互合成。
离线环境：低成本与确定性的博弈
为了解决成本方案，作者机智地将“一次性在线采集”与“大规模离线生成”解耦。
- Bootstrapping：针对精选的 6000 个复杂问题，先用在线 API 抓取一波包含正确答案的“金标准文档”。
- Distractors：将这些文档混入 1500 万篇 FineWeb 网页中，形成一个充满噪音、真实的搜索池。
- 结果：在这个闭环环境里，教师模型（GPT-OSS-120B）可以不受速率限制、不花一分钱地尝试各种路径，合成了 9.7 万条高质量轨迹。
实验战绩：开源模型对商业巨头的逆袭
通过对 30B 规模的混血架构（Mamba-Transformer）模型进行 SFT 训练，OPENRESEARCHER 展示了令人惊讶的战斗力。
| 模型 | BrowseComp-Plus (闭环测试) | GAIA (在线测试) |
|---|---|---|
| OPENRESEARCHER-30B | 54.8% | 64.1% |
| GPT-4.1 | 36.4% | - |
| Claude-4-Opus | 36.8% | - |
| DeepSeek-R1 | 16.4% | 30.3% |
图 2：在 BrowseComp-Plus 上的性能飞跃，显示了专用轨迹训练的威力。
深度洞察：为什么有的搜索会失败？
通过对 9.7 万条轨迹的消融研究，作者揭示了几个反直觉的结论：
- 步数越多不一定越好：失败的轨迹平均步数（71.7 步）反而是成功轨迹（38.4 步）的近两倍。这说明失败往往源于“搜索漂移”和无效循环，而非探索不足。
- 找到不等于答对：即便模型在搜索结果中看到了金标准文档（Search-hit），其最终答对的概率也仅为 61.8%；只有当模型显式执行了
Open动作进入页面后，胜率才飙升至 86.7%。这再次证明了深入阅读的必要性。
局限性与未来
尽管该框架非常出色，但目前仍存在对静态语料库的依赖。如果任务涉及极具时效性的新闻，离线语料库就捉襟见肘了。未来，如何动态更新这个“离线互联网”而不过度增加成本，将是下一个课题。
总结
OPENRESEARCHER 为学术界提供了一套完整的“深研智能体”生产线。它告诉我们：不需要无限的 API 经（金）费，通过巧妙的离线环境设计和精细的动作原语建模，开源模型同样可以拥有专业研究员级别的深度探索能力。
本文由 AIGC 辅助生成，关键见解基于原文数据分析。