OpenSeeker: Democratizing Frontier Search Agents by Fully Open-Sourcing Training Data

OpenSeeker 论文核心总结 + 关键章节中英对照翻译

一、核心内容总览

OpenSeeker 是纯学术团队推出的首个完全开源（模型+数据）的前沿搜索智能体，仅用11.7k 合成样本+单次 SFT，就在 BrowseComp、BrowseComp‑ZH、xbench‑DeepSearch、WideSearch 四大基准上达到 SOTA，性能超越同等规模开源模型，甚至在中文 BrowseComp‑ZH 上超过工业级闭源方案通义 DeepResearch。

核心目标：打破工业界在高质量搜索智能体训练数据上的垄断，让开源社区可复现、可迭代前沿搜索能力。

二、核心创新点

1. 事实落地的可扩展可控 QA 合成
   • 从真实网页图反向工程推理路径，通过拓扑扩展+实体混淆生成强多跳、高难度、无幻觉的问答对。
   • 双标准过滤：难度校验（基础闭卷模型答不出）+可解性校验（给全实体子图能答对），保证任务必须用工具、逻辑自洽。
2. 去噪轨迹合成
   • 生成时用回溯摘要降噪上下文，让教师模型输出高质量推理与工具调用。