OpenSeeker-v2：利用信息丰富且高难度的轨迹突破搜索代理的极限

深度搜索能力已成为前沿大语言模型代理的关键技能，但其开发通常依赖工业界昂贵的全流程训练。本文证明，仅需监督微调（SFT）配合高质量、高难度的轨迹数据，即可训练出强大的搜索代理。通过扩大知识图谱规模、扩展工具集及严格过滤低步数轨迹三项改进，OpenSeeker-v2 在仅用 10.6k 数据点的情况下，于四个基准测试中超越采用复杂训练流程的通义深研等模型，成为首个由学术团队纯靠 SFT 打造的顶尖搜索代理。