DeepResearch-9K:一个具有挑战性的Deep Research智能体基准数据集

Deep Research智能体能够执行多步网络探索、定向检索和复杂问答。尽管能力强大，Deep Research智能体面临两个关键瓶颈：(1)缺乏具有真实难度的大规模、有挑战性的数据集；(2)缺乏可获取的开源数据合成与智能体训练框架。为弥合这些空白，我们首先构建DeepResearch-9K，一个专为Deep Research场景设计、基于开源多跳问答（QA）数据集经低成本自主流水线构建的大规模挑战性数据集。值得注意的是，它包含(1)从L1到L3三个难度级别的9,000个问题；(2)来自最先进Deep Research智能体Tongyi-DeepResearch-30B-A3B的带推理链的高质量搜索轨迹；(3)可验证的答案。此外，我们开发开源训练框架DeepResearch-R1，支持(1)多轮网络交互、(2)不同强化学习（RL）方法，以及(3)基于规则的结果奖励和LLM-as-judge反馈等不同奖励模型。最后，实证结果表明，在我们的DeepResearch-R1下于DeepResearch-9K上训练的智能体在具有挑战性的Deep Research基准上取得最先进结果。我们在 https://huggingface.co/datasets/artillerywu/DeepResearch-9K 发布DeepResearch-9K数据集，在 https://github.com/Applied-Machine-Learning-Lab/DeepResearch-R1 发布DeepResearch-R1代码。