REDSearcher：面向长期搜索智能体的可扩展且高性价比框架

大型语言模型正从通用知识引擎转向解决实际问题，但针对深度搜索任务的优化仍富有挑战性。其核心瓶颈在于高质量搜索轨迹和奖励信号的极度稀疏，这源于可扩展的长期视角任务构建的困难以及涉及外部工具调用的高成本交互式滚动。为应对这些挑战，我们提出了 REDSearcher，一个统一框架，协同设计复杂任务合成、中期训练和后期训练，以实现可扩展的搜索智能体优化。具体而言，REDSearcher 引入了以下改进：(1) 将任务合成建模为双约束优化，其中任务难度由图拓扑和证据离散程度精确控制，允许可扩展生成复杂且高质量的任务。(2) 引入工具增强查询，以鼓励主动使用工具而非被动回忆。(3) 在中期训练期间，我们显著加强了核心原子能力、规划和函数调用，从而大幅降低了收集下游训练高质量轨迹的成本。(4) 我们构建了一个本地模拟环境，使强化学习实验能够快速且低成本地进行。 在文本模式和多模态搜索智能体基准测试中，我们的方法实现了最先进的性能。为促进长期搜索智能体的后续研究，我们将发布 1 万 条高质量复杂文本搜索轨迹、5 万条多模态轨迹和 1 千条文本 RL 查询集合，以及代码和模型检查点。