知识库 / 深度搜索智能体

深度搜索概览

深度搜索训练数据的关键不在 hops 多少，而在实现难度：最便宜的 identifying route，以及能否压住四类 shortcut。

中文 更新于

Overview

训练深度搜索智能体需要可验证问题：答案在搜集到足够证据之前不可用。现有合成管线常靠加 hops、加图结构、加层级约束或加大证据分散来抬高「表观难度」，但结构复杂度不一定变成 agent 实际经历的长程证据获取——求解过程可能塌缩到更便宜的 identifying route。

当前主题以 FORT-Searcher 为起点，按问题组织知识：什么决定实现难度、有哪些 shortcut、如何用轨迹签名诊断、以及如何在构造期把这些风险压下去。

四条问题线

  1. 实现难度（而非表观结构）：求解器不必验证全部线索，只需验证某个已能唯一锁定答案的 identifying subset；难度由验证该子集的最便宜路线决定，呈现 weakest-link 性质。详见 实现难度与 Shortcut。
  2. 四类 shortcut 风险：single-clue selectivity、evidence co-coverage、exposed constants、prior-knowledge binding。前三者压结构下界，第四者走模型侧先验捷径。
  3. 轨迹签名诊断：理论量在开放网页搜索上难算全；用 realized solving cost、answer hit time、prior-shortcut rate 在固定求解器与预算下观察实现效果。开源数据常见「轨迹很长、答案却很早出现」。详见 轨迹签名。
  4. FORT 构造期控制：把上述分析反转为合成管线——图初始化、图扩展、问题表述、对抗精炼——再仅用 SFT 训练 FORT-Searcher。详见 FORT-Searcher。

共同主张

共同主张：有用的深度搜索监督是「答案出现前的长前缀」，不是「总检索步数很长」。分歧与待扩展点主要在训练范式（当前仅 SFT）以及推理侧 context-management 对 headline 分数的贡献占比；这些写在系统页局限中，不在概览里裁决。

See Also