📖 AI 总结

本文介绍了Iris-mini和Iris-pro两个搜索智能体的开发，规模分别为35B-A3B和397B-A17B参数。研究团队创新性地从网页超链接结构反向构建训练任务：基于实体图生成多跳问题，将非答案实体改写为描述性引用以防止字符串匹配，并仅保留参考模型无法闭卷回答但提供证据后可解决的问题。训练采用两阶段交替的“SFT-RL爬升”方法，先进行监督微调，再通过实时搜索强化学习优化，并将每轮中最难解决的轨迹回传至下一轮监督训练。在BrowseComp、BrowseComp-ZH、DeepSearchQA和HLE基准测试中，两个模型分别取得82.2/84.8/86.9/52.3和88.6/85.1/92.9/56.4的成绩，是各自参数范围内开源搜索智能体的最强结果。研究还发现推理时上下文管理对性能影响显著，所有测试均使用单一ReAct代理完成，无子代理或测试时验证。

🔑 关键词速览