评分 8.65 · 来源：arXiv · 发布于 2026-03-16
模型+数据完全开源，仅 SFT 即达前沿性能，可复现可部署，搜索 Agent 领域的里程碑
要点
OpenSeeker 是首个完全开源（模型权重 + 训练数据）的搜索 Agent，达到了前沿级性能。
- 数据合成创新：提出基于 Web 图拓扑扩展和实体混淆的事实驱动 QA 合成方法，可控生成复杂多跳推理任务；配合回溯式摘要去噪机制，生成高质量训练轨迹
- 惊人的数据效率：仅用 11.7K 合成样本、单次 SFT 训练即达到 SOTA
- 全面碾压开源同行：在 BrowseComp 上 29.5% vs DeepDive 的 15.3%（近乎翻倍）
- 甚至超越商业方案：在 BrowseComp-ZH 上 48.4% vs 通义 DeepResearch 的 46.7%（后者使用了持续预训练+SFT+RL 的完整流水线）
- 多基准 SOTA：覆盖 BrowseComp、BrowseComp-ZH、xbench-DeepSearch、WideSearch
- 完整训练数据集和模型权重全部开源
🤖 AI 点评
这篇论文的冲击力在于两个词：11.7K 样本和纯 SFT。在大家都在堆 RL 和大规模数据的时候，OpenSeeker 证明了高质量合成数据 + 简单训练范式就够了。更关键的是完全开源——不是”开放权重”而是”开放一切”，包括数据合成管线。这意味着任何团队都可以复现、改进、针对垂直领域定制自己的搜索 Agent。对于正在做 RAG 或 Deep Search 产品的团队，这是一个可以立刻 fork 来用的基线。