清华团队提出DeepDive：深度搜索Agent再迎新突破

背景：大语言模型配备浏览工具可提升深度搜索能力，但开源模型因长程推理能力有限和缺乏监督数据表现不佳。研究目的：清华大学团队提出DeepDive方法，通过知识图谱自动化数据合成与端到端多轮强化学习，构建具备复杂长程推理和网页浏览能力的Agent。结论：实验证明DeepDive-32B在BrowseComp测试中取得14.8%准确率，工具调用和并行采样有效提升性能，开源数据与模型推动深度搜索Agent发展。