为大型语言模型(LLM)引入网页浏览功能，可大幅增强其在复杂现实任务中的搜索能力，成为更强大的智能搜索代理(Agent)。但现有开源LLM在这一领域表现欠佳，主要受限于其长程推理能力不足，以及缺乏高质量训练数据。
清华大学与东北大学联合研究团队创新性地提出了DeepDive解决方案。该方法巧妙结合知识图谱(KG)的自动数据生成与端到端的多轮强化学习(RL)训练机制，成功打造出具备复杂推理和网络搜索能力的智能代理。
实验数据显示，经过该方案训练的DeepDive-32B模型在BrowseComp测试中取得14.8%的准确率。这一成果有力证明了在深度搜索场景中，工具调用与并行采样的测试优化策略确实有效。
研究团队还开源了半自动独立同分布深度搜索问答数据集。仅使用这一数据集，DeepDive-32B在BrowseComp上的表现就提升至22.2%，展示了数据质量的关键作用。
这些创新数据集和训练方法同样提升了GLM-4.5系列开源模型的表现。目前所有DeepDive相关资源(数据集、模型、代码)已全部开源。
技术实现路径
现有开放模型在深度搜索领域与传统闭源LLM存在显著差距。研究团队分析认为，这一差距主要源于两方面瓶颈：高质量训练数据匮乏，以及缺乏高效的多轮强化学习机制。
DeepDive的创新突破正是针对这两大痛点：
- 采用知识图谱自动生成复杂查询问题
- 运用端到端多轮RL技术增强模型的长程推理能力
在数据建设方面，研究团队充分利用知识图谱的结构化特性，通过随机游走提取多跳路径，并刻意模糊关键信息，构建出具有挑战性的训练数据。这种"模糊实体"的设计极大提升了数据的训练价值。
在训练方法上，创新性地采用多轮GRPO算法进行端到端RL训练。为提升效率，还引入提前退出机制：当模型出现错误时，立即终止当前训练并给予负面反馈，确保训练数据的纯净度。
性能评估
研究团队在BrowseComp、BrowseComp-ZH等四个高标准测试集上验证了DeepDive的表现。结果显示：
- 在复杂搜索任务中明显优于其他开源方案
- 模型性能会随工具调用预算增加而提升
- 学到的复杂搜索能力可向下迁移至简单任务
局限与展望
虽然取得突破，DeepDive仍存在改进空间：
- 生成数据的难度仍低于顶级测试集
- 在某些场景可能出现"过度搜索"现象
未来研究方向包括优化RL奖励机制、改进训练策略等。团队相信这些改进将进一步提升模型的深度搜索能力。
