- 1. DeepResearch-9K: A Challenging Benchmark Dataset of Deep-Research Agent
构建了 9000 题的大规模 Deep Research 基准集，并开源多轮 Web 交互 + RL 训练框架 DeepResearch-R1。
出现于日报：03-04
- 2. HotelQuEST: Balancing Quality and Efficiency in Agentic Search
提出 HotelQuEST，关注 Agentic Search 中质量与效率的平衡问题。构建了首个同时评估搜索质量和计算效率的 Agentic Search 基准，揭示现有方法在效率方面的不足。
出现于日报：03-03
- 3. ProductResearch: Training E-Commerce Deep Research Agents via Multi-Agent Synthetic Trajectory Distillation · 📖 深度解读
提出 ProductResearch，面向电商场景的 Deep Research Agent。通过多 Agent 协同合成数据训练对话式商品调研 Agent，支持多轮对话、多源搜索、上下文推理。针对复杂购物场景的深度调研任务设计了完整的 Agent 训练与评估体系。
出现于日报：03-03
- 4. DeepAgent: A General Reasoning Agent with Scalable Toolsets
提出端到端深度推理 Agent，融合自主思考、工具发现与动作执行，通过记忆折叠机制和 ToolPO 强化学习策略实现可扩展工具使用。
出现于日报：03-02
- 5. FrugalRAG: Less is More in RL Finetuning for Multi-Hop Question Answering
用 RL 自适应裁剪检索步数，在仅约 1000 样本上训练即可将多跳 QA 的检索成本砍半且保持准确率。
出现于日报：03-04
- 6. Beyond Ten Turns: Unlocking Long-Horizon Agentic Search with Large-Scale Asynchronous RL
使用大规模异步强化学习训练搜索 Agent，突破传统 10 轮对话限制，实现长链路 agentic search。
出现于日报：03-05
- 7. From Conflict to Consensus: Boosting Medical Reasoning via Multi-Round Agentic RAG · 📖 深度解读
提出 MA-RAG 框架，通过多轮迭代同步优化外部证据检索和内部推理，实现 Agentic RAG 的 test-time scaling。
出现于日报：03-06
- 8. Search-R1: Training LLMs to Reason and Leverage Search Engines with Reinforcement Learning
Search-R1 使用强化学习训练 LLM 在推理过程中自主生成多轮搜索查询并实时检索。提出 retrieved token masking 稳定 RL 训练，使用基于结果的奖励函数。在 7 个 QA 数据集上 Qwen2.5-7B 提升 41%。
出现于日报：03-03
- 9. GraphScout: Empowering Large Language Models with Intrinsic Exploration Ability for Agentic Graph Reasoning
提出以训练为中心的 agentic 图推理框架，让小模型自主与知识图谱交互生成训练数据并内化推理能力。
出现于日报：03-04
- 10. Tiny-Critic RAG: Empowering Agentic Fallback with Parameter-Efficient Small Language Models
用 LoRA 微调的小模型替代大模型做 Agentic RAG 的检索质量路由判断，延迟降低一个数量级。
出现于日报：03-04