FORT团队 投稿 量子位 | 公众号 QbitAI 当大模型从"回答问题"走向"自己搜索、验证、综合证据"，Deep Search Agent正在成为下一阶段智能体能力的重要方向。 这类Agent不再满足于一次检索、一次回答。它需要在开放网络中多轮搜索，交叉验证，排除错误，并在足够证据支撑下给出最终答案。 但真正训练这种能力，首先要解决一个基础问题： 什么样的搜索数据，才是真的难、真的有用？ 来自 至知创新研究院（IQuest Research） 、中国人民大学高瓴人工智能学院、KAUST等机构的研究团队提出了 FORT ，一个 面向Deep Search Agent的shortcut-resistant training-data synthesis framework 。 与单纯经验式构造复杂问题不同， FORT首先从理论上建模Deep Search任务中的shortcut collapse，再将这些风险转化为数据合成中的 显式控制项 。 基于FORT生成的搜索轨迹，研究团队训练得到FORT-Searcher。该模型使用Qwen3-30B-A3B-Thinking-2507作为基座， 仅通过监督微调 （ ...