DeepRetrieval

越搜越会搜,答案准到像请了专家

DeepRetrieval 是发表于 COLM'25 的研究项目,通过强化学习(RLVR)训练搜索智能体,以检索结果作为奖励信号优化模型。它探索了让 AI 学会「如何搜索」的新范式,为检索智能体的训练提供了开创性思路。

开源 free 搜索知识
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 718
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类搜索知识
开发团队pat-jj
所属国家
定价模式free
价格说明开源项目,MIT许可证,提供在线网页演示,完全免费使用。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型ai-search,aiagent,information-retrieval,large-language-models,reinforcement-learning,search-agent
GitHub 星标★ 718
30天Star增速
HF 下载量
上线时间2025-02-20 00:00:00
最近更新2026-09-20 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数2

使用教程

核心亮点

  • 提出将检索结果作为强化学习奖励信号的RLVR训练方法,直接优化搜索代理的最终检索成效,而非中间步骤,方法新颖且目标明确。
  • 针对搜索代理的复杂多步推理场景,结合检索结果反馈,能有效提升智能体在信息获取任务中的决策质量。
  • 代码库结构清晰,基于Python实现,便于研究社区复现和扩展,适合作为搜索智能体训练的参考基线。

不足之处

  • 项目处于早期阶段,文档和社区支持尚待完善,实际部署和调参可能需要较多自行探索。
  • 依赖大规模强化学习训练资源,对于个人开发者或小团队而言,复现门槛较高。

适用场景

  • 构建能够自主完成复杂搜索任务(如多轮查询、信息整合)的AI搜索助手。
  • 在检索增强生成(RAG)系统中,训练更智能的查询规划与结果筛选策略。
  • 作为强化学习在信息检索领域的研究基线,用于对比不同奖励设计的效果。

替代项目

AgentSearch、Search-R1、WebGPT

项目介绍

DeepRetrieval 是搜索知识领域的开源项目,由 pat-jj 开发,2025 年首次发布。

它收录于搜索知识分类,该分类目前共有 585 个项目,GitHub 星标数为 718。

项目已超过三个月没有代码更新,维护节奏明显放缓,最近一次代码更新于 2026-09-20。MIT许可证,提供在线网页演示,完全免费使用。从国内网络环境看,可直接访问。

它主要面向的使用场景是:构建能够自主完成复杂搜索任务(如多轮查询、信息整合)的AI搜索助手。同类可对比的替代方案包括 AgentSearch、Search-R1、WebGPT。

上一篇:coco-app

下一篇:oxylabs-ai-studio-openclaw

同类项目推荐

firecrawl 开源

网页抓取像喝水一样简单,开发者省下整周加班

The web data API to search, scrape, and interact at scale.

★ 183325 2026-08-09
contoso-chat 开源

一键跑通 Azure RAG 应用,从代码到评估部署全流程

This sample has the full End2End process of creating RAG application with Prompty an···

★ 766 2026-08-09
graphify 开源

整个代码库画成一张图,找问题一眼定位

Turn any codebase, with its docs, SQL schemas, configs, and PDFs, into a queryable k···

★ 120493 2026-08-09
ragflow 开源

让大模型用上你的私有知识,搭建可靠的企业级RAG应用

RAGFlow is a leading open-source Retrieval-Augmented Generation (RAG) engine that fu···

★ 91170 2026-08-09