大家好，我是肆〇柒。今天，我們來了解一項來自北京智源人工智能研究院（BAAI）的創(chuàng)新工作——InfoSeek。說不定你也想過，一個參數(shù)量僅為30億（3B）的小模型，為何能在復(fù)雜研究任務(wù)上碾壓320億（32B）參數(shù)的大模型？答案不在于模型架構(gòu)的玄學(xué)，而在于BAAI團隊創(chuàng)新的“數(shù)據(jù)煉金術(shù)”。他們將海量網(wǎng)頁轉(zhuǎn)化為一種名為“層次化約束滿足問題”（HCSP）的高純度燃料，讓小模型爆發(fā)出驚人的深度研究能力。接下來，讓我們一起了解一下這個創(chuàng)新研究。

性能對比圖

當(dāng)看到這張性能對比圖時，即使是經(jīng)驗豐富的AI研究者也會感到震驚：一個僅含30億參數(shù)的InfoSeeker-3B模型，竟然在復(fù)雜任務(wù)上大幅超越了參數(shù)量高達(dá)320億的Qwen3-32B模型，甚至與Gemini 2.5 Pro等商業(yè)大模型性能相當(dāng)。這一結(jié)果徹底顛覆了"模型越大越好"的傳統(tǒng)認(rèn)知，引發(fā)了業(yè)界對深度研究能力本質(zhì)的重新思考。

InfoSeeker-3B的性能提升并非偶然。正如技術(shù)報告所揭示的，其背后隱藏著一種全新的數(shù)據(jù)合成方法——InfoSeek，它通過精準(zhǔn)捕捉深度研究任務(wù)的本質(zhì)結(jié)構(gòu)，為模型提供了高質(zhì)量的訓(xùn)練信號。這一發(fā)現(xiàn)表明，在大型語言模型(LLM)的發(fā)展道路上，數(shù)據(jù)質(zhì)量可能比模型規(guī)模更為關(guān)鍵。下面就一起瞅瞅這一"數(shù)據(jù)煉金術(shù)"的工作原理。

傳統(tǒng)數(shù)據(jù)的根本性局限

當(dāng)前主流的問答數(shù)據(jù)集，如Natural Questions(NQ)、HotpotQA和WebWalkerQA等，雖然在單跳和多跳問題上表現(xiàn)出色，卻難以捕捉真實深度研究任務(wù)的復(fù)雜性。這些數(shù)據(jù)集的局限性主要體現(xiàn)在三個方面：

首先，它們的結(jié)構(gòu)過于扁平?，F(xiàn)有基準(zhǔn)測試無法充分反映真實深度研究任務(wù)的層次化特性，正如技術(shù)報告所指出的，"existing benchmarks fail to capture this complexity"。單跳問題僅需滿足并行約束，多跳問題則依賴線性推理鏈，但真實研究往往需要同時處理多層次、相互依賴的約束網(wǎng)絡(luò)。

其次，這些數(shù)據(jù)集缺乏足夠的深度。多跳問題通常只需要簡單的線性推理，而深度研究則要求模型能夠系統(tǒng)性地分解復(fù)雜問題，協(xié)調(diào)多步推理，并整合來自不同來源的證據(jù)。這種能力在傳統(tǒng)數(shù)據(jù)集中難以得到充分訓(xùn)練。

更為嚴(yán)重的是，近期合成的數(shù)據(jù)集常常引入"捷徑推理"和"知識泄露"問題。當(dāng)模型發(fā)現(xiàn)可以通過參數(shù)化記憶而非真正推理來回答問題時，其深度研究能力的培養(yǎng)就會受到嚴(yán)重阻礙。技術(shù)報告中提到，當(dāng)讓Qwen2.5-32B模型直接回答InfoSeek問題時，它只能正確回答2%的問題，而傳統(tǒng)數(shù)據(jù)集中的問題則容易得多。

經(jīng)典QA數(shù)據(jù)集與深度研究數(shù)據(jù)合成方法對比

通過上表的對比可以看出，InfoSeek在問題復(fù)雜度和開源狀態(tài)上具有顯著優(yōu)勢。它不僅是首個專注于深度研究場景的大規(guī)模數(shù)據(jù)集，還能夠生成具有可控復(fù)雜度的層次化約束滿足問題，并支持針對不同研究需求的便捷擴展。這一突破填補了高質(zhì)量、結(jié)構(gòu)化深度研究數(shù)據(jù)集的空白，為訓(xùn)練真正具備深度研究能力的模型提供了必要條件。

InfoSeek數(shù)據(jù)煉金術(shù)：從網(wǎng)頁到HCSP的轉(zhuǎn)化

HCSP：深度研究問題的數(shù)學(xué)本質(zhì)

要理解InfoSeek的創(chuàng)新之處，必須先明確深度研究問題的數(shù)學(xué)本質(zhì)。InfoSeek將具有可驗證答案的深度研究問題形式化為層次化約束滿足問題(Hierarchical Constraint Satisfaction Problem, HCSP)，這一定義與傳統(tǒng)的約束滿足問題(CSP)和多跳問題(MHP)有著本質(zhì)區(qū)別。

約束滿足問題可以理解為多個獨立條件的交集。例如，要找出"在1938年獲得普林斯頓大學(xué)博士學(xué)位、出生于倫敦、畢業(yè)于劍橋大學(xué)的人"，模型只需將三個條件的候選集取交集，即可得到"Alan Turing"這一答案。這類問題雖然需要整合多源信息，但所有約束都是并行且獨立的。

多跳問題則要求模型按順序執(zhí)行多個推理步驟。例如，從"破解Enigma密碼的科學(xué)家"出發(fā)，先找到"Alan Turing"，再確定其出生地"London"，最后得出國家"England"。這類問題需要線性推理鏈，但每一步的推理相對簡單。

約束滿足問題、多跳問題與層次化約束滿足問題對比

上圖清晰展示了三種問題類型的本質(zhì)區(qū)別。層次化約束滿足問題(HCSP)的創(chuàng)新在于，它構(gòu)建了一個樹狀推理網(wǎng)絡(luò)——每個中間節(jié)點本身就是一個約束滿足問題，高層結(jié)論的有效性完全依賴于所有低層約束的滿足。以圖中Alan Turing案例為例，要確定"出生于一個人口超過500萬、官方語言為英語的歐洲城市"這一模糊描述，不僅需要驗證該城市的人口和語言特征，還需確認(rèn)該城市與Alan Turing的其他關(guān)聯(lián)(如畢業(yè)院校、博士學(xué)位等)。這種層次化結(jié)構(gòu)更接近真實研究過程：科學(xué)家在探索未知時，往往需要同時處理多個相互依賴的子問題，而非簡單地按順序解決。

雙智能體協(xié)同：Planner與Browser的精密配合

InfoSeek的數(shù)據(jù)合成過程采用雙智能體協(xié)同工作的方式，從大規(guī)模網(wǎng)頁數(shù)據(jù)中自動構(gòu)建研究樹，這一設(shè)計是其能夠生成高質(zhì)量HCSP的關(guān)鍵。兩個智能體各司其職，形成了一種高效的分工協(xié)作機制。

Planner作為全局規(guī)劃者，負(fù)責(zé)維護研究樹的整體構(gòu)建進度，根據(jù)全局復(fù)雜度目標(biāo)選擇目標(biāo)節(jié)點和具體操作。它需要在順序推理和并行推理之間取得平衡，確保研究樹在深度和廣度上均衡發(fā)展。Planner的決策直接影響問題的復(fù)雜度和結(jié)構(gòu)，是控制合成數(shù)據(jù)質(zhì)量的關(guān)鍵環(huán)節(jié)。

Browser則作為執(zhí)行者，負(fù)責(zé)具體執(zhí)行Planner選擇的操作。它通過瀏覽選定節(jié)點的網(wǎng)頁，提取候選超鏈接(增加深度)或原子聲明(添加約束)，并驗證相關(guān)內(nèi)容的相關(guān)性。Browser的工作確保了合成問題的證據(jù)鏈可靠且可驗證，為后續(xù)訓(xùn)練提供了堅實基礎(chǔ)。

這兩個智能體的工作流程高度結(jié)構(gòu)化：從Action 1開始初始化研究錨點，隨后交替執(zhí)行Action 2(模糊父節(jié)點)和Action 3(樹結(jié)構(gòu)擴展)，最終以Action 4(問題生成與終止)結(jié)束。整個過程中，每一步擴展都記錄明確的證據(jù)軌跡，確保問題的可驗證性。這種雙智能體架構(gòu)不僅提高了數(shù)據(jù)合成的效率，還保證了生成問題的結(jié)構(gòu)質(zhì)量和復(fù)雜度控制。

四步煉金：從網(wǎng)頁到HCSP的完整轉(zhuǎn)化

InfoSeek的數(shù)據(jù)合成過程可概括為四個關(guān)鍵步驟，這些步驟共同構(gòu)成了從原始網(wǎng)頁到結(jié)構(gòu)化HCSP的完整轉(zhuǎn)化路徑。

第一步是初始化研究錨點。InfoSeek使用維基百科和網(wǎng)頁作為底層知識庫，篩選有效實體作為研究樹的根節(jié)點。具體而言，它從維基百科知識庫中采樣一個有效實體作為最終答案，并創(chuàng)建一個初始頂點r形成最基礎(chǔ)的研究樹。隨后，Browser執(zhí)行第一次擴展，選擇一個相關(guān)實體創(chuàng)建子節(jié)點w及其連接邊，為后續(xù)層次化推理奠定基礎(chǔ)。

第二步是模糊父節(jié)點技術(shù)，這是InfoSeek的核心創(chuàng)新。Planner首先識別出當(dāng)前約束不足以唯一確定的節(jié)點v，然后Browser從v的網(wǎng)頁中選擇k個聲明，這些聲明共同唯一確定v。關(guān)鍵設(shè)計在于確保候選集之間不存在包含關(guān)系，防止問題過早收斂。例如，將"Alan Turing"模糊為"出生于一個人口超過500萬、官方語言為英語的歐洲城市"，既保證了問題的挑戰(zhàn)性，又確保了答案的唯一性。這一技術(shù)使得每個中間節(jié)點本身成為一個有效的約束滿足問題，為層次化推理創(chuàng)造了必要條件。

第三步是樹結(jié)構(gòu)擴展，用于增加研究樹的深度。Planner選擇垂直擴展，從現(xiàn)有實體節(jié)點v提取超鏈接(如"v由w發(fā)現(xiàn)")，創(chuàng)建新的子節(jié)點w，從而延長邏輯依賴鏈。這種擴展增加了研究樹的高度，提升了推理步驟的復(fù)雜度，使問題更接近真實研究場景。值得注意的是，每次擴展都基于實際網(wǎng)頁內(nèi)容，確保了問題的真實性和可驗證性。

第四步是問題生成與終止，只有當(dāng)研究樹達(dá)到目標(biāo)復(fù)雜度且所有節(jié)點有足夠約束時才會觸發(fā)。Planner基于完整的研究樹構(gòu)建最終問題，要求模型必須遍歷整個層次結(jié)構(gòu)才能得到答案。這一設(shè)計確保了每個合成問題都強制模型進行真正的層次化推理，避免了"捷徑推理"的可能性。

雙重驗證確保數(shù)據(jù)價值

InfoSeek不僅關(guān)注數(shù)據(jù)規(guī)模，更重視數(shù)據(jù)質(zhì)量，通過雙重驗證機制確保合成數(shù)據(jù)既"真難"又"真可解"。

難度驗證環(huán)節(jié)讓Qwen2.5-32B模型直接回答這些問題，結(jié)果表明模型僅能正確回答2%的問題。這一極低的準(zhǔn)確率證實了數(shù)據(jù)集的高難度，也說明這些問題無法通過參數(shù)化記憶解決，必須進行真正的推理。InfoSeek移除了這些簡單樣本，確保數(shù)據(jù)集具有足夠的挑戰(zhàn)性。

可驗證性驗證則更為嚴(yán)格。InfoSeek將真實網(wǎng)頁與干擾文檔混合，讓Gemini 2.5 Flash API基于這些材料推導(dǎo)答案。這一過程過濾掉答案錯誤、多解或無法解決的問題，有效防止了"答案不唯一"(underdetermined issue)和"過早收斂"(overdetermined issue)現(xiàn)象。只有那些在提供完整證據(jù)鏈時能得出唯一正確答案的問題才會被保留。

這種雙重驗證機制確保了InfoSeek數(shù)據(jù)集的質(zhì)量：問題足夠復(fù)雜，需要真正的層次化推理；同時又有明確的解決路徑，確保模型能夠通過正確推理得到答案。這種"高難度-高可解性"的平衡，正是訓(xùn)練高質(zhì)量深度研究能力的關(guān)鍵。

規(guī)模與成本：可擴展性的實證

InfoSeek不僅在質(zhì)量上表現(xiàn)出色，在規(guī)模和成本方面也具有顯著優(yōu)勢。根據(jù)下表的數(shù)據(jù)，InfoSeek包含52,138個樣本，總數(shù)據(jù)整理成本僅為571.8美元，這一成本效益比在同類數(shù)據(jù)集中極為突出。

構(gòu)建的研究樹數(shù)據(jù)，按頂點數(shù)量分析其成本、失敗率（Qwen2.5-72B，CoT）及 token 長度

數(shù)據(jù)分布顯示，4-6個頂點的問題占比超過90% （15,263 + 15,051 + 17,714 = 47,928），這反映了深度研究問題的典型復(fù)雜度。更為重要的是，失敗率與頂點數(shù)量呈現(xiàn)強正相關(guān)：3頂點問題的失敗率為88.1%，而7+頂點問題的失敗率高達(dá)94.1%。這一趨勢證實了InfoSeek的合成過程"能有效控制推理復(fù)雜度"，為不同難度級別的訓(xùn)練提供了精確的調(diào)控手段。

這種可擴展性不僅體現(xiàn)在數(shù)據(jù)規(guī)模上，還體現(xiàn)在方法論層面。InfoSeek提供了一套完整的開源框架，使研究者能夠"便捷且可擴展地構(gòu)建數(shù)據(jù)集"。通過調(diào)整研究樹的復(fù)雜度參數(shù)，研究者可以針對特定需求生成不同難度級別的問題，為深度研究能力的系統(tǒng)性培養(yǎng)提供了靈活工具。

從數(shù)據(jù)到模型：InfoSeeker的訓(xùn)練秘籍

革命性工作流：小模型處理復(fù)雜任務(wù)的秘訣

InfoSeeker的工作流程設(shè)計是其能夠以小博大的關(guān)鍵。與傳統(tǒng)方法相比，這一工作流通過幾個創(chuàng)新點解決了小模型處理復(fù)雜任務(wù)的核心挑戰(zhàn)。

"思考先行"(Think Before Action)是整個工作流程的基石。每個推理回合開始時，模型首先在<think>和</think>標(biāo)記之間進行結(jié)構(gòu)化思考，這一設(shè)計強制模型反思已有信息并規(guī)劃必要信息。這種結(jié)構(gòu)化思考避免了盲目搜索的陷阱，引導(dǎo)模型生成更有針對性的查詢，使推理過程更加穩(wěn)健。實踐證明，這一看似簡單的流程設(shè)計，是小模型能夠處理復(fù)雜深度研究任務(wù)的關(guān)鍵創(chuàng)新點之一。

并行多查詢搜索是InfoSeeker的另一大亮點。與傳統(tǒng)的順序單查詢策略不同，InfoSeeker在單步內(nèi)生成多個多樣化查詢（標(biāo)記為<search>和</search>），從多角度全面解決當(dāng)前信息需求。這種并行化方法不僅擴大了信息覆蓋范圍，還加速了探索過程，有效避免了"上下文臃腫"問題。在多輪推理中，傳統(tǒng)方法的上下文會迅速膨脹，導(dǎo)致模型失去焦點，而InfoSeeker通過并行多查詢保持了上下文的緊湊性。

提煉智能體(Refiner Agent)進一步優(yōu)化了信息處理效率。對于每個查詢返回的top-k結(jié)果，Refiner Agent生成簡潔摘要，提取關(guān)鍵證據(jù)并與查詢意圖對齊。InfoSeeker實踐中采用Qwen2.5-7B-Inst作為基礎(chǔ)模型，這一選擇既保證了效率，又確保了摘要質(zhì)量。通過提煉智能體，InfoSeeker能夠"高效利用多查詢搜索中的海量信息"，同時保持工作上下文的緊湊和可操作性。

最終，當(dāng)積累足夠信息或達(dá)到最大搜索步驟時，模型輸出最終答案（標(biāo)記為<answer>和</answer>）。這一結(jié)構(gòu)化輸出確保了答案的可驗證性，也為后續(xù)訓(xùn)練提供了清晰的監(jiān)督信號。

這一工作流設(shè)計解決了傳統(tǒng)方法中的核心瓶頸：隨著搜索深度增加，上下文迅速膨脹導(dǎo)致模型失去焦點。InfoSeeker通過并行多查詢與提煉智能體的組合，實現(xiàn)了高召回率與緊湊上下文的平衡，使3B參數(shù)的小模型也能處理復(fù)雜的深度研究任務(wù)。

兩輪訓(xùn)練：漸進式能力提升

InfoSeeker采用"兩輪訓(xùn)練"策略實現(xiàn)能力躍升，這是小模型突破性能瓶頸的關(guān)鍵。這一策略的核心思想是通過漸進式難度提升，讓模型從基礎(chǔ)能力逐步發(fā)展到高級推理。

第一輪訓(xùn)練使用24K高質(zhì)量軌跡進行監(jiān)督微調(diào)(SFT)和強化學(xué)習(xí)(RL)。這些軌跡通過拒絕采樣獲得，僅保留成功完成任務(wù)且答案正確的推理路徑。訓(xùn)練在單個8×H100節(jié)點上僅需2小時，即可獲得InfoSeeker-3B-SFT-Round1。這一階段主要培養(yǎng)模型的基礎(chǔ)推理和搜索能力，使其掌握"思考先行"、"并行多查詢"等核心工作流程。

第二輪訓(xùn)練則聚焦于能力深化。從55K源樣本中精選17K更難樣本（保留模型失敗的14K樣本），通過拒絕采樣生成3,450高質(zhì)量軌跡。這些軌跡具有"多輪搜索、更精細(xì)的任務(wù)分解和更準(zhǔn)確的逐步推理"的特點，針對性強化模型的深度研究能力。特別值得注意的是，第二輪訓(xùn)練專門針對模型在第一輪中表現(xiàn)薄弱的領(lǐng)域，實現(xiàn)能力的精準(zhǔn)提升。

這種漸進式訓(xùn)練策略解決了小模型訓(xùn)練中的一個核心挑戰(zhàn)：復(fù)雜多步推理任務(wù)的探索空間巨大，直接強化學(xué)習(xí)在稀疏獎勵和組合行動空間下往往不穩(wěn)定且效率低下。通過先建立基礎(chǔ)能力，再逐步增加難度，InfoSeeker避免了"一步到位"訓(xùn)練導(dǎo)致的優(yōu)化困難，使小模型能夠穩(wěn)步提升其深度研究能力。

GRPO算法：精準(zhǔn)強化的核心

算法設(shè)計上，GRPO采用PPO的裁剪代理目標(biāo)，同時結(jié)合KL散度懲罰，既保留了PPO的優(yōu)點，又避免了價值模型的復(fù)雜性和不穩(wěn)定性。這種設(shè)計特別適合大規(guī)模訓(xùn)練，使InfoSeeker能夠在有限計算資源下實現(xiàn)高效的強化學(xué)習(xí)。

獎勵設(shè)計簡潔而有效：僅當(dāng)格式和提取答案都正確時給予獎勵。這種二元獎勵設(shè)計提供了清晰的優(yōu)化信號，避免了過度復(fù)雜化獎勵函數(shù)可能導(dǎo)致的優(yōu)化方向模糊問題。技術(shù)報告強調(diào)，這種"相對直接的獎勵"足以引導(dǎo)模型優(yōu)化，因為模型在SFT階段已具備基本能力，RL階段主要聚焦于強化推理和精確查詢能力。

訓(xùn)練策略上，InfoSeeker從SFT檢查點開始RL訓(xùn)練，專注于強化模型的推理和精確查詢能力。特別地，在第二輪訓(xùn)練中，系統(tǒng)從原始55K數(shù)據(jù)池中選擇17K更難樣本，進一步提升模型能力。這種針對性強化使InfoSeeker-3B能夠在復(fù)雜任務(wù)上實現(xiàn)性能飛躍，甚至超越參數(shù)量大10倍的模型。

元信息：通往更高級優(yōu)化的橋梁

InfoSeek的一個戰(zhàn)略優(yōu)勢是其保留了中間步驟和檢索標(biāo)簽等元信息。這些元信息不僅是訓(xùn)練數(shù)據(jù)，更是通往更高級優(yōu)化的橋梁，為未來研究提供了豐富可能性。

支持復(fù)合獎勵設(shè)計是元信息的首要價值。傳統(tǒng)強化學(xué)習(xí)通常只關(guān)注最終答案的正確性，而忽略了中間步驟的質(zhì)量。通過利用InfoSeek保留的中間步驟信息，研究者可以設(shè)計更精細(xì)的獎勵函數(shù)，例如基于證據(jù)質(zhì)量、推理步驟合理性的獎勵，從而更全面地優(yōu)化模型能力。

實現(xiàn)軌跡級探索是元信息的另一重要應(yīng)用。傳統(tǒng)方法通常優(yōu)化單步?jīng)Q策，而忽略了整個推理路徑的質(zhì)量。元信息使研究者能夠評估和優(yōu)化完整的推理軌跡，確保模型不僅在最終答案上表現(xiàn)良好，還在整個推理過程中保持邏輯一致性和證據(jù)可靠性。

更為深遠(yuǎn)的是，這些元信息為未來高級優(yōu)化策略提供了基礎(chǔ)。例如，可以基于證據(jù)質(zhì)量動態(tài)調(diào)整權(quán)重，或在訓(xùn)練中引入對抗性驗證來檢測推理漏洞。技術(shù)報告指出，InfoSeek不僅是一個靜態(tài)數(shù)據(jù)集，而是一個"可進化的研究平臺"。隨著研究深入，這些元信息將釋放更大價值，推動深度研究能力的持續(xù)提升。

SFT軌跡數(shù)據(jù)統(tǒng)計

上圖展示了SFT軌跡數(shù)據(jù)的統(tǒng)計特征，揭示了高質(zhì)量軌跡的關(guān)鍵屬性：成功軌跡通常具有更長的搜索步驟、更精細(xì)的任務(wù)分解和更準(zhǔn)確的逐步推理。這一發(fā)現(xiàn)不僅驗證了InfoSeek數(shù)據(jù)質(zhì)量的有效性，還為未來優(yōu)化提供了明確方向——強化這些關(guān)鍵特征將有助于進一步提升模型性能。

實驗驗證：數(shù)據(jù)質(zhì)量決定模型上限

核心證據(jù)：數(shù)據(jù)集對比實驗

不同訓(xùn)練數(shù)據(jù)集性能對比

上表的實驗結(jié)果提供了最直接的證據(jù)：使用InfoSeek訓(xùn)練的模型在BrowseComp-Plus基準(zhǔn)上達(dá)到16.5%的準(zhǔn)確率，而使用NQ+HQA訓(xùn)練的模型僅有3.0%。這一5.5倍的性能差距，直接證明了InfoSeek數(shù)據(jù)質(zhì)量的決定性作用。

深入分析表明，NQ+HQA數(shù)據(jù)缺乏層次化結(jié)構(gòu)，無法培養(yǎng)真正的深度研究能力。這些數(shù)據(jù)集中的問題大多可以通過簡單的線性推理或并行約束解決，而無需真正的層次化推理。相比之下，InfoSeek數(shù)據(jù)強制模型遍歷完整層次，培養(yǎng)系統(tǒng)化分解問題和整合多源證據(jù)的能力。

這一結(jié)果驗證了一個核心論點：數(shù)據(jù)質(zhì)量決定模型上限。即使使用相同的模型架構(gòu)和訓(xùn)練方法，高質(zhì)量數(shù)據(jù)也能帶來質(zhì)的飛躍。InfoSeeker-3B的成功表明，通過精心設(shè)計的數(shù)據(jù)合成方法，我們可以系統(tǒng)性地培養(yǎng)模型的深度研究能力，而不僅僅是依靠模型規(guī)模的擴大。

全面領(lǐng)先：傳統(tǒng)基準(zhǔn)的泛化能力

單跳與多跳QA基準(zhǔn)性能比較

上表展示了InfoSeeker-3B在多個基準(zhǔn)上的全面優(yōu)勢。在單跳和多跳QA基準(zhǔn)上，InfoSeeker-3B均在所有基線模型中表現(xiàn)最佳，包括基于檢索增強生成(RAG)的方法和近期的智能體搜索方法。

在單跳任務(wù)上，InfoSeeker-3B在Natural Questions(NQ)、TriviaQA(TQA)和PopQA基準(zhǔn)上達(dá)到或接近最佳結(jié)果，證明了其基礎(chǔ)事實檢索能力的強大。在多跳任務(wù)上，它在HotpotQA(HQA)、2Wiki、Musique(MSQ)和Bamboogle等復(fù)雜基準(zhǔn)上顯著領(lǐng)先，尤其在Bamboogle上達(dá)到39.8%的準(zhǔn)確率，遠(yuǎn)超其他3B級模型。

這一全面領(lǐng)先表明，深度研究能力訓(xùn)練不僅提升復(fù)雜任務(wù)表現(xiàn)，還增強了基礎(chǔ)推理能力。高質(zhì)量結(jié)構(gòu)化數(shù)據(jù)的泛化效應(yīng)遠(yuǎn)超預(yù)期，使模型在各類任務(wù)上都表現(xiàn)出色。這種能力遷移現(xiàn)象說明，深度研究訓(xùn)練培養(yǎng)的是更通用的推理能力，而非僅限于特定任務(wù)的技巧。

成本效益：小模型的崛起

InfoSeeker-3B最令人矚目的是其成本效益：僅3B參數(shù)的模型，通過InfoSeek數(shù)據(jù)集訓(xùn)練后，性能超越參數(shù)量10倍的Qwen3-32B，甚至與Gemini 2.5 Pro等商業(yè)大模型性能相當(dāng)。

這一發(fā)現(xiàn)具有深遠(yuǎn)的行業(yè)影響。首先，它證明了"模型小型化"路徑的可行性，為資源受限場景提供了高性能解決方案。在邊緣計算、移動設(shè)備等資源有限的環(huán)境中，小型高效模型具有明顯優(yōu)勢。其次，它挑戰(zhàn)了"更大即更好"的傳統(tǒng)認(rèn)知，將研發(fā)重點從單純擴大模型規(guī)模轉(zhuǎn)向優(yōu)化數(shù)據(jù)質(zhì)量和訓(xùn)練方法。最后，它為開源社區(qū)提供了與商業(yè)模型競爭的可能路徑，降低了AI研發(fā)的門檻。

技術(shù)報告中的數(shù)據(jù)表明，InfoSeeker-3B在BrowseComp-Plus基準(zhǔn)上達(dá)到16.5%的準(zhǔn)確率，大幅超越Qwen3-32B的3.5%和SearchR1-32B的3.9%。這一結(jié)果不僅證明了數(shù)據(jù)質(zhì)量的重要性，還展示了小模型通過高質(zhì)量訓(xùn)練實現(xiàn)性能飛躍的可能性。

數(shù)據(jù)，新時代的"石油"

InfoSeek的突破性研究成果揭示了一個核心認(rèn)知：在大型語言模型時代，高質(zhì)量、結(jié)構(gòu)化的數(shù)據(jù)比單純的模型規(guī)模更為重要。正如技術(shù)報告所言，InfoSeek不僅是一個數(shù)據(jù)集，更是"實現(xiàn)高質(zhì)量數(shù)據(jù)集構(gòu)建的方法論，具有對結(jié)構(gòu)復(fù)雜性的明確控制和原則性可擴展性"。

其開源價值尤為突出：InfoSeek完全開源（代碼、數(shù)據(jù)、框架），為社區(qū)提供了"挖掘數(shù)據(jù)金礦的工具"，實現(xiàn)了"便捷且可擴展的數(shù)據(jù)集構(gòu)建"。這種開放性將加速深度研究能力的普及，推動整個領(lǐng)域向前發(fā)展。通過InfoSeek，研究者可以系統(tǒng)性地生成具有可控復(fù)雜度的深度研究問題，為模型訓(xùn)練提供高質(zhì)量信號。

層次化約束滿足問題(HCSP)框架有望引領(lǐng)深度研究任務(wù)的新標(biāo)準(zhǔn)，數(shù)據(jù)合成技術(shù)將成為AI研究的核心競爭力。誰能夠更好地設(shè)計和合成數(shù)據(jù)，誰就能在AI競賽中占據(jù)先機。InfoSeek標(biāo)志著AI研究正從"模型驅(qū)動"向"數(shù)據(jù)驅(qū)動"的范式轉(zhuǎn)變，而這一轉(zhuǎn)變才剛剛開始。

在這個數(shù)據(jù)為王的時代，InfoSeek告訴我們：真正的煉金術(shù)不在于點石成金，而在于從海量信息中提煉出結(jié)構(gòu)化知識，讓小模型也能釋放大智慧。深度研究能力將成為下一代AI系統(tǒng)的核心特征，而InfoSeek所開創(chuàng)的數(shù)據(jù)合成方法，將成為這一變革的關(guān)鍵推動力。

數(shù)據(jù)，正成為新時代的"石油"。而InfoSeek，則為我們提供了開采這一寶貴資源的先進工具。需要更進一步了解這個研究和項目的同學(xué)，可以移步到下放的參考資料中，有論文、有開源倉庫、還有 infoseek 的開源數(shù)據(jù)集。