【导语Search Agent 是难训练和评测的模型小红书 AllSpark 团队开源的 Iris 取得突破。35B 体量的 Iris 在 BrowseComp 逼近万亿参数模型其训练、评测等方面有独特方法还证明搜索能力可迁移。】35B 体量 Iris 逼近万亿参数模型Search Agent 是最难训练、也最难评测的一类模型它要在真实网络里边搜边读边推理。小红书 AllSpark 团队开源的 Iris35B 的体量在 BrowseComp 上拿到 82.2 分逼近 Kimi - K2.6 这类万亿参数模型。独特数据生成从超链接“造题”Iris 的训练题不是收集来的而是从网页超链接关系反向生成。先以种子页面为答案聚成小型实体图谱再写多步推理问题最后“抹掉线索”改写。造完题双重筛选确保题“够难”且“可解”整个流程全自动能随网页语料规模扩展。创新训练方法SFT - RL ClimbingIris 采用监督微调SFT和强化学习RL交替训练的 SFT - RL Climbing 方法。SFT 阶段强教师模型做题得轨迹并过滤“判官”评判标准从数据归纳。RL 阶段将判分和摘要纳入内部避免网络波动超长轨迹“断点续跑”让 GPU 保持忙碌。每轮 RL 后将轨迹回灌形成自适应课程。严格评测挤掉取巧水分Iris 在多个基准上评测为让分数反映模型本身所有系统在相同条件下比较。Iris - mini35B在多项上登顶同量级开源BrowseComp 分数逼近万亿参数模型Iris - pro397B在多项上同量级最强。单独对照上下文管理发现即使不开 CMIris 已领先开启后小模型获益更明显。搜索能力可迁移Iris 的价值所在实验中出现“外溢”现象为 Search 合成的数据和训练的专家模型在未专门训练的任务上同样有效。这表明 Search 或许是可复用的原子能力Iris 证明了“搜索”底层能力可迁移。目前团队虽坦承 Iris 与顶尖前沿系统有差距但已为行业发展提供新思路。编辑观点Iris 的开源成果显著在数据、训练、评测上创新证明搜索能力迁移价值大虽有差距但为 Search Agent 模型发展提供重要方向和借鉴。
