S1-DeepResearch：超越搜索，迈向现实世界的长周期研究智能体

背景

随着大语言模型（LLM）技术的飞速发展，基于搜索的智能体（Search Agents）在信息检索和答案验证方面展现出了强大的能力。然而，现有的研究主要集中在解决“封闭式问答”和“信息定位”任务上。大多数现有的训练数据集依然以搜索为中心，这种局限性导致模型主要被训练出“信息寻求”的行为模式，而在深度研究所需的关键能力上覆盖不足。

深度研究（Deep Research）旨在通过长周期的规划、证据收集、推理和报告生成来解决复杂的知识密集型任务。现有的搜索型智能体在以下关键能力上存在明显短板：

• 证据整合（Evidence Integration）
• 知识综合（Knowledge Synthesis）
• 复杂规划（Planning）
• 文件理解（File Understanding）
• 结构化报告生成（Structured Report Generation）

为了突破这一瓶颈，构建能够真正执行长周期、复杂任务的智能体，需要一种能够统一处理封闭式问答与开放式探索的新范式。

核心内容

本文提出了一种名为 S1-DeepResearch 的统一轨迹构建范式，旨在解决上述深度研究智能体的能力缺失问题。该工作不仅仅局限于信息检索，而是致力于构建具备长周期规划、多步推理和报告生成能力的综合型智能体。

1. 统一轨迹构建范式

S1-DeepResearch 提出了一种结合封闭式问答（Closed-ended QA）和开放式探索（Open-ended Exploration）的统一框架。该框架通过以下三个核心组件实现高质量智能体轨迹的可扩展合成：

• 基于图的任务构建（Graph-grounded task formulation）： 将任务结构化，利用图结构来表征复杂问题中的实体与关系。
• 智能体轨迹展开（Agentic trajectory rollout）： 模拟智能体在解决复杂任务时的完整决策过程，包括多步搜索、思考、验证和行动。
• 多维度轨迹验证（Multi-dimensional trajectory verification）： 对生成的轨迹进行严格的质量控制，确保其符合深度研究的标准。

2. 增强的能力维度

与现有的以搜索为导向的数据集相比，S1-DeepResearch 合成的轨迹更加强调以下核心能力：

• 知识综合： 不仅仅是查找信息，而是将分散的证据整合成连贯的知识体系。
• 复杂推理： 处理长链条的逻辑推导和多步骤的问题解决。
• 规划导向： 智能体能够自主规划研究路径，而非被动响应查询。
• 文件理解与生成： 支持对非结构化文档（如 PDF、Word）的深度解析，并据此生成结构化的研究报告。
• 技能使用（Skills Usage）： 智能体能够调用外部工具或执行特定技能以辅助研究过程。

3. 模型性能表现

基于上述数据训练出的 S1-DeepResearch-32B 模型在开源模型中取得了显著突破：

• 基准测试表现： 在涵盖五个能力维度（复杂推理、指令遵循、报告生成、文件理解、技能使用）的 20 个基准测试中，S1-DeepResearch-32B 达到了同类规模开源模型的最先进性能（State-of-the-art, SOTA）。
• 对标闭源模型： 在多个具有挑战性的深度研究基准测试中，其性能接近领先的专有前沿模型（Proprietary Frontier Models）。

关键要点

• 范式转变： 从单一的“搜索中心”转向“深度研究中心”，强调长周期规划、证据整合和知识综合，而不仅仅是信息定位。
• 统一框架： 提出了包含图任务构建、轨迹展开和多维验证的统一轨迹构建范式，实现了封闭式问答与开放式探索的结合。
• 数据合成优势： 合成的训练轨迹显著增强了模型在复杂推理、规划、文件理解和结构化报告生成方面的能力，弥补了现有数据集的不足。
• SOTA 性能： S1-DeepResearch-32B 在 20 个涵盖五大能力维度的基准测试中，成为同等规模下性能最强的开源模型。
• 竞争力验证： 在深度研究特定任务上，该开源模型的表现已接近目前业界领先的闭源前沿模型，证明了联合建模信息获取、知识综合和规划行为的有效性。

意义与影响

S1-DeepResearch 的研究成果标志着智能体技术从“信息检索工具”向“自主研究助手”的重要演进。

1. 填补能力空白： 它解决了现有搜索型智能体在知识综合、复杂规划和长周期任务执行上的局限性，为构建能够处理真实世界复杂知识密集型任务的智能体提供了可行的技术路径。
2. 开源生态的突破： S1-DeepResearch-32B 在多项基准测试中超越或持平于领先的闭源模型，表明开源社区有能力通过改进数据质量和训练范式，缩小与商业闭源模型在高级认知任务上的差距。
3. 方法论贡献： 提出的统一轨迹构建范式（结合图结构、轨迹展开和验证）为未来智能体训练提供了标准化的方法论参考，强调了高质量、多维度验证数据在提升智能体“深度研究”能力中的核心作用。
4. 实际应用潜力： 通过强化文件理解、报告生成和技能调用能力，该技术更贴近科研、法律、金融等需要深度分析和文档处理的实际应用场景，具有广泛的落地价值。

总之，S1-DeepResearch 证明了通过联合建模信息获取、知识综合和规划行为，可以构建出真正有效的深度研究智能体，为下一代 AI 智能体的发展指明了方向。