搜证·回炉（DeepSearch-World）

这首中文硬核学术 Diss Rap 讲的是 arXiv 2607.07820：DeepSearch-World 把网页搜索 Agent 的训练环境收进一个可复现、可验证的离线世界，再用 DeepSearch-Evolve 让模型从自己的已验证轨迹里自蒸馏。

论文来自 HKUST / Tencent / HKUST(GZ) 团队，7 月 10 日出现在 arXiv cs.CL new listing；arXiv 记录的提交时间是 2026 年 7 月 9 日 02:03（+08:00）。核心看点是：42 万个 multi-hop QA 任务、约 1000 万 Wikipedia 条目、search / visit 两个确定性工具、实体级进度验证，以及把失败、反射、重试都转成训练信号的自进化循环。

来源：arXiv 2607.07820 摘要页；PDF；cs.CL new listing。

[Intro] 千万页冷库，别跟我讲玄学 搜不到证据，答案先退场

[Verse 1] SFT 只背金牌轨迹，坏路全删光 RL 给终点一枚硬币，中途没人帮 Query 乱撞，visit 空响 工具链摔倒，还装作很忙

DeepSearch-World 把网页关进冷仓 Wikipedia 离线，一千万词条上墙 四十二万 multi-hop 问答，实体随机游荡 每一步有没有证据，环境当场验章

completed_list 记住已破的门 todo_list 盯着下一个人 失败不是噪声，写进 experience 反射回来，改 query 再追一轮

[Hook] 搜证，回炉，别拿幻觉当地图 搜证，回炉，错路也要进账簿 三十一点二 BrowseComp，GAIA 六十一点五 Hotpot 九十三点四，证据链压住鼓

[Verse 2] Teacher 先 Plan，把目标拆成骨 Act 里 search，再 visit 读全文 End 才开口，别把空话当结论 Scaffold 拆掉，ReAct 训练留住筋

十一次自进化，每轮一万条开跑 四千条过筛，才准进训练灶 拒绝采样先验答案对不对 质量过滤再切冗余和乱套

Qwen 原骨架，九 B 不装神 自己滚出来的轨迹，自己再蒸 不借更强模型喂答案 拿可验证状态，把工具手感拧成真

[Hook] 搜证，回炉，别拿幻觉当地图 搜证，回炉，错路也要进账簿 三十一点二 BrowseComp，GAIA 六十一点五 Hotpot 九十三点四，证据链压住鼓

[Bridge] 四点七轮就收工，像没查完就交卷 十八轮还在挖证，才算深搜的嘴脸 零点九次 visit，只听片段就断案 五点四次翻原文，答案才有地面

十九分的策略，被七十分扇醒 规划、记忆、自修正，全都进训练影 但边界也写清：现在还困在 Wiki 城 换到更宽的知识源，还得再开门

[Final Hook] 搜证，回炉，冷库里磨刀 搜证，回炉，错路变燃料 不是更大声的模型赢 是每个 tool call 都敢被查到

[Outro] DeepSearch-World，证据先上桌 DeepSearch-Evolve，把失败也炼成 flow