OneSearch-VL：统一图像/视频的多模态深度研究 Agent
🧭 多模态深度研究 Agent 统一训练 ★ 深度解读
BUAA · CUHK · NTU · THU · HFUT
以视觉证据图 VGEG 与证据/定位双层奖励 EVGR 为核心，统一训练单图、多图、视频深度研究 Agent
📌 工作参考价值（4 点）
- 用显式证据图统一数据构造、SFT 轨迹过滤与 RL 过程奖励：在电商商品图像/视频理解中，可构建「视觉 anchor → 商品实体 → 来源化属性事实 → 答案操作」的 VGEG 结构，使商品问答/导购 Agent 的证据链路可追溯，便于生成训练数据和做细粒度评测。
- 把过程奖励拆成 evidence traceability + visual grounding 两个维度：最终答案正确之外，分别检验检索事实是否被工具观察支持，以及模型是否真的定位到正确商品区域/视频帧。消融显示两者同时使用比只用答案+query 奖励平均高 3.8 个点，适合迁移到电商多模态 Agent 的 RL 训练，降低幻觉和“不看图就答”。
- 评测按 research operation 分层，而不是只报总体准确率：单 anchor lookup、multi-hop、多 anchor join/comparison/arithmetic、knowledge-conditioned counting 等操作化分层，能定位 Agent 具体弱项；电商场景同样可以按“属性抽取、跨商品比较、规格计算、多图统计”拆 benchmark，避免平均分掩盖能力短板。
- 单图/多图/视频联合 SFT 有跨输入迁移收益：共用同一套 action-observation 工具 schema 和动作空间，联合训练达到 55.8 平均分，优于单类型训练；电商场景中商品主图、多角图、商品视频共用一套策略，可以减少多套系统维护成本并提升一致体验。
GraphForge：基于图锚定工作空间合成训练工作智能体
🧭 Agent 工作智能体训练数据合成
University of Science and Technology of China · Fudan University · Shanghai Innovation Institute · Shanghai AI Laboratory
用证据图从真实文件合成可验证的工作智能体训练数据，微调后多项基准显著提升
📌 工作参考价值（4 点）
- 可用真实业务文件（商品目录、投放报表、用户日志）构建工作区，并用证据图显式编码文件间关系，确保多步任务每个要求都能追溯到具体支撑文件，避免模型编造数据，适合生成电商运营、广告投放、搜索优化等 Agent 训练集。
- 任务 rubric 与原始文件/单元格锚定，使奖励信号或拒绝采样筛样具备可审计性，降低 reward hacking 和评估噪声，可迁移到 RLHF/DPO 等 Agent 优化流程。
- SFT 后增加 rejection fine-tuning：用自身 rollout 并通过 rubric 筛选高质量候选，无需新增人工标注即可进一步提升 Agent 效果，适合业务 Agent 的快速迭代。
- 初始 rollout 可执行性检查 + revision agent 修复不可行任务，能自动清洗可能失败/不可完成的训练样本，降低坏样本对模型的影响。
EviGraph：面向信息搜索智能体的可验证证据构建
🧭 Agent 搜索证据图与过程奖励 RL ★ 深度解读
WeChat, Tencent Inc., Beijing, China
将智能体网络搜索重构为可验证证据图构建，以共享策略分离搜索与证据记录，用稠密过程奖励直接监督证据基础
📌 工作参考价值（4 点）
- 对电商导购/搜索 Agent：把「检索到的商品或卖点」与「用户查询约束」显式建图，每个卖点必须锚定来源 span 并标记 support/conflict；可避免用相关但时间、地区、数值错误的页面回答，适合商品事实校验、选品问答、推荐理由生成。
- 采用「冻结 verifier + 确定性 structural validator + 可学习 policy」的分离架构：把不可靠的语义判断和结构化校验分开，policy 只提图编辑请求，错误可局部归因；工程上可用规则引擎做图校验，降低对单一 LLM 的依赖和幻觉。
- 过程奖励设计可迁移：coverage 用 potential-based shaping，配合 canonical signature 去重、per-triple bonus cap、KL penalty，能抑制 reward hacking 和重复记录；可用于训练搜索/推荐 Agent 的中间 grounding。
- 多约束查询可拆成 candidate–constraint claim，每个 tag 独立追踪 MISSING/SUPPORT/CONFLICT，适合电商商品属性（产地、年份、价格、代言人）验证和 push 文案事实核查，让 Agent 明确知道还缺哪些约束。
LongCrafter：通过证据图引导的指令合成实现多样化长上下文理解
🧭 长上下文指令合成 · 训练数据增强
University of Chinese Academy of Sciences · Institute of Automation, Chinese Academy of Sciences
提出证据图引导的长上下文指令合成框架，覆盖32种任务，训练数据显著提升长文本理解并缓解迷失中间问题
📌 工作参考价值（4 点）
- 分层任务分类（局部/浅层 vs. 全局/深层）可指导电商场景中长文本训练数据的构造，例如用户长评论总结或长商品描述理解任务。
- 证据图建模跨段落依赖并严格基于证据生成问答对，能保证指令的忠实度，可借鉴到可信长上下文数据合成，如从多段商品介绍中生成属性问答。
- 合成数据覆盖不同难度且证据位置多样化，能有效缓解模型在长序列中的“迷失中间”问题，适合训练需要从长用户行为序列中精确定位的推荐模型。
- 证据跨度定位提升了模型的可解释性和鲁棒性，可用于构建需要从长文档中提取关键信息的Agent系统。
FORT-Searcher：合成抗捷径搜索任务以训练深度搜索智能体
🧭 深度搜索Agent训练数据合成 ★ 深度解读
Renmin University of China · KAUST · IQuest Research · Shanghai Jiao Tong University
提出抗捷径数据合成框架 FORT，通过控制证据共覆盖、单线索选择性等风险生成高难度搜索轨迹，仅用 SFT 训练即可在深度搜索基准上取得最优。
📌 工作参考价值（4 点）
- 捷径风险检查：在构造多步推理任务（如电商知识问答、商品溯源）时，应主动检查证据是否被同一条搜索结果覆盖、单条线索是否过于特化、表面文本是否泄露了中间关键实体，防止模型绕过搜索直接作答。
- 对抗验证与自动修复：利用强 Agent 对合成题目进行“试跑”，根据轨迹中的答案命中时间、先验绑定率等指标自动诊断并修复易走捷径的题目，可用于生成高质量 Agent 训练数据，类似方法在推荐解释生成查询中同样适用。
- 模糊化策略：问题表述时用范围、类别、元属性代替精确值，可迫使模型进行多跳检索，这一思路可迁移到生成式推荐中的语义 ID 构建或查询改写，强化模型的信息获取能力。
- 上下文重置机制：当 Agent 陷入低效搜索时，清空历史并重启可显著提升复杂任务的成功率（在 BrowseComp 上提升 16.3 点），可作为 Agent 推理系统中的兜底策略。
Argus：证据拼装实现可扩展深度研究Agent
🧭 Agent多智体协作优化 ★ 深度解读
MiroMind AI
通过Searcher和Navigator协作构建共享证据图，将深度研究转化为证据拼图，实现并行搜索的线性扩展。
📌 工作参考价值（4 点）
- 用证据图解耦搜索与推理：在电商知识图谱问答或Agent任务规划中，可以将并行执行的子任务结果抽象为图结构（节点=证据/主张，边=支持/矛盾），由协调Agent在图层面进行验证与派发，避免直接拼接长上下文，压缩比可达1200:1。
- 对比奖励驱动验证学习：借鉴GRPO+对比奖励（verification前后得分差），训练Agent学会识别回答中的缺失证据并主动查询，在电商多跳问答或生成式推荐中可让模型自动补全信息缺口，而非被动合并。
- 独立训练、组合推理：将Searcher（执行器）和Navigator（协调器）分开训练，Searcher保持标准ReAct，Navigator通过RL掌握何时验证、派发、合成，推理时可按需切换单/并行模式，类似电商场景中前端搜索Agent与后端推理Agent的解耦设计。
- 图结构提高可解释性：最终答案每个声称都追溯到证据节点和URL，实现完全可审计。在电商推荐理由生成中，可构建主张-证据链，提升用户信任和合规性。