DeepSearch-World：可验证环境下深度搜索代理的自蒸馏

英文标题：DeepSearch-World: Self-Distillation for Deep Search Agents in a Verifiable Environment

该论文提出 DeepSearch-World，一种在可验证环境中通过自蒸馏让深度搜索代理从自身经验中持续改进的方法。针对监督微调依赖固定教师轨迹、以及稀疏奖励强化学习对长程交互监督信号不足的挑战，代理可利用自身探索的数据自我提升。该框架有望简化复杂搜索任务的工具调用代理训练，对构建自主搜索与信息整合应用的开发者具有参考价值。

2.6 KB 2.1 KB 461 B 612 B 380 B 9.1 KB 22.8 KB 24.2 KB 34.7 KB