OpenResearcher：用于长期深度研究轨迹合成的完全开放管道
信息检索
2026-03-24 v1 人工智能
计算与语言
摘要
训练深度研究代理需要交错搜索、证据聚合和多步推理的长期轨迹。然而，现有的数据收集管道通常依赖专有的Web API，使得大规模轨迹合成成本高昂、不可靠且难以复现。我们提出了OpenResearcher，一个可复现的管道，将一次性语料库引导与多轮轨迹合成解耦，并完全离线地执行搜索与浏览循环，使用三个显式的浏览器原语：search、open和find，覆盖1500万文档。使用GPT-OSS-120B作为教师模型，我们合成了超过9.7万条轨迹，其中包括大量超100次工具调用的长期轨迹。对这些轨迹进行监督式微调的30B-A3B骨干模型在BrowseComp-Plus上实现了54.8%的准确率，较基础模型提升了34.0个百分点，同时在BrowseComp、GAIA和xbench-DeepSearch上保持竞争力。由于环境离线且完全可instrumented，还可进行受控分析，我们的研究揭示了深度研究管道设计中的实用见解，包括数据过滤策略、代理配置选择，以及检索成功与最终答案准确性之间的关系。我们在https://github.com/TIGER-AI-Lab/OpenResearcher发布了该管道、合成的轨迹、模型检查点以及离线搜索环境。
引用
@article{arxiv.2603.20278,
title = {OpenResearcher: A Fully Open Pipeline for Long-Horizon Deep Research Trajectory Synthesis},
author = {Zhuofeng Li and Dongfu Jiang and Xueguang Ma and Haoxiang Zhang and Ping Nie and Yuyu Zhang and Kai Zou and Jianwen Xie and Yu Zhang and Wenhu Chen},
journal= {arXiv preprint arXiv:2603.20278},
year = {2026}
}