DR-Venus：仅用 10K 开放数据迈向前沿边缘级深度研究代理

本文提出 DR-Venus，一种基于 4B 参数小语言模型的边缘级深度研究代理，仅利用约 10K 开放数据训练而成。研究通过两阶段策略提升数据质量与利用率：首先采用代理监督微调建立基础能力，结合严格清洗与长程轨迹重采样；其次应用代理强化学习，基于信息增益设计轮次奖励以增强长程任务执行可靠性。实验表明，该模型在多项基准上显著优于同类小模型，并缩小了与大模型的差距，验证了小模型在边缘部署的潜力。