ABSeeker：透過「回溯式信用分配」訓練長歷程搜尋代理
為何重要
這項技術解決了長軌跡深度搜尋代理的核心難題：當最終答案不正確時，傳統監督或強化學習無法反向解析出哪個步驟失效。透過將最終結果的稀疏信用分配到每一步驟，ABSeeker 證明瞭最佳化的訓練策略能讓輕量級模型（4B）發揮出接近重型模型（30B）的複雜搜尋能力，這對於希望降低運算成本、提升 Agent 部署效率的開發者與企業具有實質參考價值。
長距離搜尋代理在執行多步驟任務時，常因缺乏微細的監督訊號而難以區分哪些步驟有效。本文提出「回溯式信用分配（ABC）」框架，透過答案倒推尋找回關鍵線索，將稀疏的最終結果轉為密集的步驟監督。
- 方法論：包含「答案回溯式線索恢復」與「線索錨定步驟評分」，將稀疏軌跡結果轉為密集步驟獎勵。
- 模型設定：基於 Qwen3.5-4B 訓練 ABSeeker，僅使用 8.5k 範本。
- 效能表現：在 BrowseComp 上達到 37.3%，受控上下文後提升至 55.3%；BrowseComp-ZH 分別為 39.1% 與 52.9%。
- 競爭優勢：表現超越同等規模模型，並逼近 30B 量級模型的效能。