Fathom-DeepResearch：解锁长时域信息检索和 SLM 的综合利用

工具集成推理已成为实现代理式应用的关键焦点。其中，DeepResearch Agents 在处理复杂、开放式信息检索任务方面表现出色，获得了广泛关注。我们引入 Fathom-DeepResearch，这是一个由两个专用模型组成的代理式系统。第一个模型是 Fathom-Search-4B，一个基于 Qwen3-4B 训练的 DeepSearch 模型，通过实时网络搜索和定向网页查询进行基于证据的调查。其训练结合了三项进展：(i) DUETQA，一个通过多智能体自我博弈生成的 5K 样本数据集，强制执行严格的网络搜索依赖和异构源的接地；(ii) RAPO，GRPO 的零开销扩展，通过课程剪枝、奖励感知优势缩放和每个提示的重放缓冲区，稳定了具有可验证奖励的多轮强化学习；(iii) 一个可控的步进级别奖励，根据认知行为和边际效用对每个工具调用进行分类，从而实现对搜索轨迹的广度、深度和范围的显式控制。这些改进使得在有必要的情况下，工具调用能够可靠地扩展到 20 次以上。第二个模型是 Fathom-Synthesizer-4B，基于 Qwen3-4B 训练，它将多轮 DeepSearch 轨迹转换为结构化、引用密集的 DeepResearch 报告，以进行全面的综合。该系统在 DeepSearch 基准测试（SimpleQA、FRAMES、WebWalker、Seal0、MuSiQue）和 DeepResearch-Bench 上进行评估，在开放权重类别中取得了最先进的性能，同时在 HLE、AIME-25、GPQA-Diamond 和 MedQA 等各种推理任务上表现出强大的泛化能力。