OpenSeeker：通过完全开源训练数据实现前沿搜索智能体的普及化

针对高质量训练数据匮乏阻碍搜索智能体发展的问题，本文提出 OpenSeeker，首个 fully open-source 且达到前沿性能的搜索智能体。其核心创新包括：(1) 基于事实的可控问答合成，通过拓扑扩展生成复杂多跳推理任务；(2) 去噪轨迹合成，利用回顾性总结机制提升教师模型动作质量。实验表明，仅用 1.17 万样本训练的 OpenSeeker 在多个基准测试中超越现有开源及部分工业级模型，推动了搜索智能体研究的透明化与协作生态。