SynPlanResearch-R1：利用合成计划鼓励深度研究中的工具探索

研究型 Agent 需动态结合内部推理与工具使用以从网络获取信息。针对强化学习（RLVR）中 Agent 常表现出的探索不足（如过早终止、工具使用偏差）问题，本文提出 SynPlanResearch-R1 框架。该框架通过合成工具使用轨迹来引导更深度的探索，用于冷启动监督微调，为后续强化学习提供强初始化。在七个多跳及开放网络基准测试中，该方法显著优于现有最先进基线，证明了其在提升工具探索与使用能力方面的有效性。