Deepresearch核心技术：如何通过强化学习增强推理大模型搜索规划及反馈能力？

文章预览

今天是2025年4月5日，星期六，清明假期第二天，北京，天气晴。 现在关于Deepresearch的复现和应用越来越多，也对大模型的规划能力有了越来越多的要求。 假设大模型能力很强，我们可以使用 CoT Only ，仅使用Chain-of-Thought (CoT)推理生成答案，不访问任何外部参考上下文。或者使用 RAG ，结合Chain-of-Thought推理和检索到的参考上下文来指导答案生成过程，进一步的，也有Search-o1融合推理模型完成搜索增强。 但是， 前面几种方案都依赖于模型自身的能力，比较受限，所以，如何通过强化学习的方式，让推理大模型具备推理能力，显得很有必要 。 因此，我们来看看最近的几个代表工作，包括Search-R1、R1-Searcher以及DeepResearcher。 看看具体实现思路，很有意义，代码也有开源。 抓住根本问题，做根因，专题化，体系化，会有更多深度思考。大家一起加油。 一 ………………………………