[CL]《Beyond Ten Turns: Unlocking Long-Horizon Agentic Search with Large-Scale Asynchronous RL》J Gao, W Fu, M Xie, S Xu... [Tsinghua University] (2025)
ASearcher：开源大规模异步强化学习训练搜索智能代理的新范式
• 解决现有开源搜索代理在策略深度与训练效率上的瓶颈，支持长达128步的多轮工具调用，训练过程中工具调用次数超40次，生成内容超15万token。
• 采用全异步强化学习架构，有效消除长轨迹执行阻塞，实现训练与轨迹生成完全解耦，提升GPU利用率与训练速度。
• 设计基于大语言模型的自动QA数据合成代理，结合注入与模糊修改策略，产出13.4万高质量、多层次不确定性问题，推动代理学习复杂搜索与推理。
• 支持基于基础LLM（Qwen2.5-7B/14B）与大规模推理模型（QwQ-32B）两类模型训练，均显著超越同规模开源对手，在GAIA、xBench-DeepSearch等多跳问答及复杂检索任务中平均提升20%+。
• 通过案例分析展现代理具备不确定性推理、精确信息抽取、跨文档推断及结论验证等专家级搜索智能能力，显著减少错误结论与幻觉。
• 所有模型、训练代码及数据集开放，助力社区复现与进一步创新，推动面向复杂现实任务的智能搜索代理发展。
详见👉 arxiv.org/abs/2508.07976
强化学习大语言模型搜索智能异步训练开源AI
