SEF门控提升深度搜索蒸馏数据质量

论文提出SEF方法，通过直接询问教师模型是否熟悉实体，筛选深度搜索蒸馏中的实体图和训练轨迹，以低成本合成更有信息量的监督数据。基于论文摘要，SEF门控合成产生了更高搜索需求，并带来更高学生准确率。 作者结合跨教师复用数据，将Qwen3.8-27B在BrowseComp子集上的准确率从44.10%提升至66.41%，并报告其在BrowseComp、SEAL-0、HLE-text和xbench多个基准上达到同规模模型的state-of-the-art表现。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。