DeepSearch-World、Web検索エージェント向け自己進化環境を公開──42万件の検証可能タスクでSOTA級性能を実現
決定論的環境で自己蒸留を行うDeepSearch-Evolveを提案し、外部モデルの教師データなしでGAIA 61.5%等の精度を達成した。
リリース: 2026-07-08 · 読了 3 分記事の要約
1. 核心（What）
- 決定論的で検証可能なWeb検索環境DeepSearch-Worldを構築し、42万件のマルチホップQAタスクを収録。
- 自己蒸留フレームワークDeepSearch-Evolveを導入し、エージェントが自らの経験から反復的に学習する手法を提案。
- 9BパラメータのモデルDeepSearch-World-9Bが、BrowseCompで31.2%、GAIAで61.5%、HotpotQAで93.4%のスコアを記録。
2. 影響（Why）
- 教師なし自己進化の実現: 従来の教師あり学習（SFT）や疎な報酬での強化学習に頼らず、検証可能な環境内で自律的に軌跡を生成・選別することで、外部モデルへの依存を排除したモデル構築が可能になる。
- 国内SaaS開発への影響: 自社ドメインに特化したRAGや検索エージェントを構築する国内の[中規模Vertical SaaS事業者]は、この検証環境をベースラインに据えることで、外部APIに依存しない高精度な推論パイプラインを自前で実装できる。
3. 根拠・詳細（How）
- DeepSearch-Evolveの反復学習: 軌跡生成・フィルタリング・データ混合・SFTの4工程をループさせ、モデルが自ら生成した成功軌跡のみを学習データに再投入する自己蒸留アーキテクチャを採用。
- 検証可能な環境設計: エンティティレベルのランダムウォークから生成された42万件のタスクに対し、進捗確認・根拠に基づく振り返り・失敗リカバリ機能を実装し、エージェントの推論プロセスを決定論的に検証可能とした。
4. 展望・課題（Next）
- リソースの公開予定: 検証環境、42万件のトレーニングプール、検証セット、モデル、およびコードを公開し、長期間のWeb検索タスクにおける自己改善研究を促進する。