- 1. Tongyi DeepResearch Technical Report: The Leading Open-source Deep Research Agent
阿里通义实验室发布 30.5B 参数（仅激活 3.3B）的开源 Deep Research Agent，通过端到端 Agentic 中训练+后训练范式实现多项基准 SOTA。
出现于日报：02-28
- 2. MiroFlow: Towards High-Performance and Robust Open-Source Agent Framework for General Deep Research Tasks
提出开源 Agent 框架 MiroFlow，通过 Agent Graph 灵活编排、深度推理模式和鲁棒工作流，在多个 Agent 基准上达到 SOTA。
出现于日报：02-28
- 3. SideQuest: Model-Driven KV Cache Management for Long-Horizon Agentic Reasoning
提出 SideQuest 方法，利用大推理模型自身对上下文 token 的判断进行 KV Cache 压缩，解决长程 Agentic 推理中的内存瓶颈。
出现于日报：02-28
- 4. WebThinker: Empowering Large Reasoning Models with Deep Research Capability
WebThinker 让大推理模型在思考过程中自主搜索网页、导航和撰写报告，实现端到端的 Think-Search-Draft 策略，NeurIPS 2025 发表。
出现于日报：02-28
- 5. RT-RAG: Reasoning in Trees: Improving Retrieval-Augmented Generation for Multi-Hop Question Answering
提出 RT-RAG 框架，将多跳问题系统分解为显式推理树，结合实体分析和共识选择减少错误传播，被 WWW 2026 接收。
出现于日报：02-28
- 6. SIGHT: Reinforcement Learning with Self-Evidence and Information-Gain Diverse Branching for Search Agent
提出 SIGHT 框架，通过自证据蒸馏和信息增益引导的多样化分支策略，解决搜索 Agent 多轮检索中的隧道视觉问题。
出现于日报：02-28
- 7. RELOOP: Recursive Retrieval with Multi-Hop Reasoner and Planners for Heterogeneous QA
提出 RELOOP 框架，用层次化序列统一文档、表格、知识图谱的表示，实现结构感知的递归检索和多跳推理。
出现于日报：02-28
- 8. DeepResearcher: Scaling Deep Research via Reinforcement Learning in Real-world Environments
首个在真实网络环境中通过 RL 端到端训练 Deep Research Agent 的框架，Agent 学会导航开放网络而非固定语料库。
出现于日报：02-28
- 9. Exploratory Memory-Augmented LLM Agent via Hybrid On- and Off-Policy Optimization
提出混合 RL 框架 EMPO2，结合记忆增强的探索机制与 on/off-policy 优化，大幅提升 LLM Agent 的探索和泛化能力。
出现于日报：02-28
- 10. An Empirical Study on Reinforcement Learning for Reasoning-Search Interleaved LLM Agents
系统实证研究了 RL 训练搜索 Agent 的关键因素：奖励设计、LLM 选择和搜索引擎集成，来自 Google Research。
出现于日报：02-28