知识卡片：T-Search：面向困难多步搜索的开放智能体检索器与演练场

英文标题：T-Search: An Open Agentic Retriever and Playground for Hard Multi-Step Search

英文关键词：Agentic Retriever; Multi-Step Search; Open-Weight; Recall@10; GSPO; Qwen3.6-35B-A3B; TRuST

一句话结论

T-Search 是一个开放权重的智能体检索器，在固定语料上执行有界多轮搜索，返回带简短理由的证据块排序，并把答案生成留给下游模型；材料报告其在七个英语和俄语基准上平均达到 56.0 Recall@10（单次 rollout），三次 rollout 融合后为 61.3。

事件概述或研究问题

T-Search 摘要将其定位为解决困难多步搜索（hard multi-step search）的开放权重智能体检索器。给定一个问题和固定语料上的搜索工具，它运行有界多轮搜索，并返回排序后的证据块及简短理由，不直接生成最终答案。研究问题可概括为：如何让检索器在多轮搜索中提高困难问题的证据召回，并将答案生成解耦给下游模型；具体研究假设、实验设计与完整评估协议待核实。

方法/产品要点

• 基础模型为 Qwen3.6-35B-A3B。
• 训练流程：在经对抗性过滤的合成搜索任务上训练；先做按轮切片的有监督微调（round-sliced supervised fine-tuning），再在召回奖励上用 GSPO 训练。
• 推理行为：在固定语料和搜索工具下执行有界多轮搜索，输出 ranked list of evidence chunks with short justifications。
• 解耦设计：答案生成由下游模型完成，后端和生成器可交换，无需重新训练检索器。
• 发布内容：模型、harness、live demo 和三个 benchmarks，其中包括 TRuST。
• TRuST：材料称其为 first native-Russian hard-search benchmark。
• 训练数据规模、GSPO 实现细节、benchmark 具体名称、发布链接与许可证待核实。

主要结果或产业意义

• 在七个英语和俄语、带 gold evidence annotations 的基准上取平均。
• 单次 rollout 达到 56.0 Recall@10，比其 base 高 14.4 分。
• 三次 fused rollouts 达到 61.3 Recall@10。
• 材料称其优于更大的开放模型；具体对比模型、规模与统计显著性待核实。
• 产业意义：T-Search 将证据检索与答案生成分层，便于替换搜索后端和下游生成器；开放模型、harness、demo 与 benchmark 的组合可能提升多步搜索研究的可复现性。实际延迟、成本、许可和部署收益待核实。

为什么重要

与已有“多步/智能体搜索”卡片相邻，但本条材料的增量在于：T-Search 强调开放权重智能体检索器、证据块排序与简短理由、答案生成解耦，并发布模型、harness、demo 和三个 benchmark（含俄语 TRuST），而不是侧重多智能体递归编排本身。与 Bridge Evidence 卡片的关系：T-Search 摘要未讨论静态检索效用与多步智能体搜索中因果效用的差异，二者是否能互相支持或冲突待核实。

局限与不确定性

• 当前来源为 arXiv 摘要页与摘要文本，未包含全文实验细节；基准具体名称（除 TRuST 外）、评测协议、统计显著性和错误分析待核实。
• 模型许可、训练数据来源与规模、计算成本、推理延迟、显存或部署要求待核实。
• 三次 rollout 融合的具体方法、额外推理成本与可复现性待核实。
• GSPO 的全称、实现细节及召回奖励设计待核实。
• 英语和俄语之外的语言泛化、动态真实网络语料表现待核实；材料描述的是固定语料上的搜索。
• harness、live demo、模型权重与三个 benchmarks 的发布位置和许可证待核实。

可用于图书/PPT/简报的角度

• 作为“检索与生成解耦”的智能体检索层案例：检索器负责多轮证据召回，生成器可替换。
• 开放权重多步搜索的发布范式：模型 + harness + live demo + benchmarks。
• 训练配方：对抗性过滤合成任务、按轮切片 SFT、GSPO 召回奖励。
• 多语言与俄语检索评测：TRuST 被材料称为首个 native-Russian hard-search benchmark。
• 评估角度：Recall@10 与多 rollout 融合带来的提升及代价。

原始材料

• 英文标题：T-Search: An Open Agentic Retriever and Playground for Hard Multi-Step Search
• arXiv ID：2610.06782v1
• Authors：Olga Tsymboi, Ramil Latypov, Aleksandr Medvedev, Danil Taranets, Dmitrii Stoianov, Nikita Gulyakov, Gleb Alektorov, Anatolii Potapov
• Published/Updated：2026-10-05T17:44:26Z
• Primary category：cs.CL
• Categories：cs.CL
• Abstract URL：https://arxiv.org/abs/2610.06782v1
• PDF URL：https://arxiv.org/pdf/2610.06782v1