研究人员推出了 DeepSearch-Evolve，这是一个在 DeepSearch-World 环境中训练 Web 代理的自蒸馏框架。该框架旨在通过使代理能够从自身经验中改进，超越固定轨迹或弱强化学习信号，来克服代理训练中的挑战。DeepSearch-World 提供了一个可验证且确定性的环境，并支持可复现的工具，支持代理行为，如进度验证和故障恢复。使用此方法在没有外部蒸馏的情况下训练的 DeepSearch-World-9B 模型，在 BrowseComp、GAIA 和 HotpotQA 等基准测试中表现出具有竞争力的性能，凸显了可验证环境在长周期 Web 代理的可扩展自我演进方面的潜力。 AI
影响 这项研究可能带来更强大、更适应性强的 AI 代理，以应对复杂的长周期任务，有可能加速自动化 Web 导航和信息检索等领域的进展。
排序理由 该集群描述了一篇关于 AI 代理新颖框架和环境的最新研究论文，包括在基准测试上的性能指标。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.07820v1 Announce Type: new Abstract: Training tool-use agents to improve from their own experience remains challenging, as supervised fine-tuning relies on fixed teacher-distilled trajectories, while sparse-reward reinforcement learning provides weak supervision for lo…
Training tool-use agents to improve from their own experience remains challenging, as supervised fine-tuning relies on fixed teacher-distilled trajectories, while sparse-reward reinforcement learning provides weak supervision for long-horizon interactions. We present DeepSearch-E…