OpenSeeker-v2：仅靠 SFT 挑战工业级深度搜索智能体极限

TL;DR

在 AI 智能体领域，超长程搜索（Deep Research）一直被公认为是大模型能力的“深水区”。过去，通往 SOTA 的路径似乎只有一条：烧钱做 CPT + 繁琐的 RL。然而，上海交大的研究团队通过 OpenSeeker-v2 给出了一份令学术界振奋的答卷：通过 10.6k 条高质量、高难度的合成轨迹进行纯 SFT，在 30B 规模上跨级反杀了一众工业巨头模型。

痛点深挖：为何深度搜索如此困难？

搜索智能体（Search Agent）在处理复杂问题时，面临的不是搜索不到信息，而是如何“思考并寻找”。现有的 Prior Work 存在两个主要瓶颈：

1. 评估陷阱：许多训练数据过于简单，智能体只需 1-2 步关键词检索即可获得答案，导致其无法学会持续推理。
2. 路径垄断：工业界倾向于使用 CPT (增量预训练) 来灌输新知识，并用 RL (强化学习) 来对齐搜索路径。这种方法对算力要求极高，阻碍了学术界的创新。

作者认为：智能体长程搜索能力的匮乏，本质上是因为训练数据“太容易了”。

核心方法：数据炼金术的三大支柱

OpenSeeker-v2 的核心思想是：与其改进算法，不如升级数据。作者通过对合成数据管线的三个微小改动，实现了质的飞跃。

1. 扩大证据图谱 (Scaling Graph Size)

在生成合成问题时，作者扩大了知识图谱的提取范围（从 $k$ 扩展到 $K$）。

• 直觉：背景上下文包含的相关节点越多，信息拓扑就越复杂。这强迫模型必须在多个信源之间进行横向对比和多步跳转（Multi-hop），而不是一次搜索定胜负。

2. 工具集多样化 (Expanding Tool Set)

模型被赋予了更丰富的 API 调用权限。这不仅增加了功能，更重要的是增加了智能体在解决问题时的策略空间，使其能学会在不同场景下组合使用不同工具。

3. 严格的“低步数”过滤 (Low-step Filtering)

这是本文最有洞见的点。作者设定了一个阈值 $T_{min}$，任何能在少数几步内解决的轨迹都被无情丢弃。

• 结果：OpenSeeker-v2 的训练轨迹平均达到 64.67 步，远高于 V1 版本的 46.97 步。这种“魔鬼训练”强制模型习得了极强的耐力和复杂路径规划能力。

实验与结果：小模型也能反杀大模型

实验结果令人侧目。在 BrowseComp（网页浏览任务）和 HLE（高难人类考试）等榜单上，OpenSeeker-v2-30B 表现出色：

• 对标工业界：全面超越了通义 DeepResearch（采用 CPT+SFT+RL）和 RedSearcher。
• 跨级打击：性能甚至压制了 671B 的 DeepSeek-V3.1 和闭源的 Claude-4.5-Sonnet。

上表清晰地展示了，即便在没有强化学习的情况下，只要数据量质齐升，30B 级别的模型依然具备极强的爆发力。

图 2：OpenSeeker-v2 的轨迹步数显著高于同类模型，验证了其处理高难度任务的潜力。

深度洞察与总结

学术价值：OpenSeeker-v2 打破了“只有大算力、大公司才能做强 Agent”的迷思。它证明了在 30B 这个甜点位（Sweet Spot），通过精准的数据工程，人类可以训练出不输于千亿参数模型的专业搜索能力。

局限性与展望： 虽然 SFT 表现惊人，但作者也提到该框架尚未饱和。未来，将这种高难度轨迹数据与 RLHF 结合，可能会进一步解锁智能体的自我纠错和反思能力。

总结 (Takeaway)：数据质量决定了智能体的上限，而数据难度（Trajectory Difficulty）则决定了智能体在复杂现实任务中的可靠性。对于资源有限的开发者，深耕数据合成（Data Synthesis）是比追求复杂算法更具性价比的路径。