DeepSearch-World: Self-Distillation for Deep Search Agents in a Verifiable Environment

提出DeepSearch-Evolve框架，通过自蒸馏让Web Agent在可复现、可验证的环境（DeepSearch-World）中自我改进。环境包含42万个多跳QA任务，支持进度验证、反思和失败恢复。模型迭代生成轨迹、过滤、数据混合和微调，无需更强模型蒸馏，DeepSearch-World-9B即在BrowseComp（31.2%）、GAIA（61.5%）、HotpotQA（93.4%）上达到有竞争力性能。表明可验证环境能支持长程Web Agent的可扩展自我进化。

1. 直接可用于导购Agent：导购场景本质上是多步检索+工具调用，可借鉴其自蒸馏流程：在内部模拟环境中生成交互轨迹→过滤成功路径→迭代微调，减少对昂贵教师模型的依赖。
2. 改变对Agent自我进化可行性的判断：之前认为需要更强模型蒸馏或复杂RL，此文证明干净的可验证环境+简单过滤策略就能实现有效自我改进，降低工程成本。
3. 下一步动作：读全文，重点关注环境设计细节（搜索工具API、验证信号设计）和轨迹过滤策略；考虑为自己的导购Agent构建类似的可验证沙箱（模拟搜索结果+用户行为），尝试复现自蒸馏流程。