論文の概要: DR-Venus: Towards Frontier Edge-Scale Deep Research Agents with Only 10K Open Data

• arxiv url: http://arxiv.org/abs/2604.19859v1
• Date: Tue, 21 Apr 2026 17:59:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-23 15:36:10.662022
• Title: DR-Venus: Towards Frontier Edge-Scale Deep Research Agents with Only 10K Open Data
• Title（参考訳）: DR-Venus: 10Kのオープンデータでエッジスケールのディープリサーチエージェントを目指す
• Authors: Venus Team, Sunhao Dai, Yong Deng, Jinzhen Lin, Yusheng Song, Guoqing Wang, Xiaofeng Wu, Yuqi Zhou, Shuo Yang, Zhenzhe Ying, Zhanwei Zhang, Changhua Meng, Weiqiang Wang,
• Abstract要約: 小さな言語モデルに基づくエッジスケールのディープリサーチエージェントは、コスト、レイテンシ、プライバシのアドバンテージのため、現実のデプロイメントには魅力的なものだ。 本稿では,エッジスケール展開のためのフロンティア4BディープリサーチエージェントであるDR-Venusについて紹介する。
• 参考スコア（独自算出の注目度）: 38.62562667728391
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Edge-scale deep research agents based on small language models are attractive for real-world deployment due to their advantages in cost, latency, and privacy. In this work, we study how to train a strong small deep research agent under limited open-data by improving both data quality and data utilization. We present DR-Venus, a frontier 4B deep research agent for edge-scale deployment, built entirely on open data. Our training recipe consists of two stages. In the first stage, we use agentic supervised fine-tuning (SFT) to establish basic agentic capability, combining strict data cleaning with resampling of long-horizon trajectories to improve data quality and utilization. In the second stage, we apply agentic reinforcement learning (RL) to further improve execution reliability on long-horizon deep research tasks. To make RL effective for small agents in this setting, we build on IGPO and design turn-level rewards based on information gain and format-aware regularization, thereby enhancing supervision density and turn-level credit assignment. Built entirely on roughly 10K open-data, DR-Venus-4B significantly outperforms prior agentic models under 9B parameters on multiple deep research benchmarks, while also narrowing the gap to much larger 30B-class systems. Our further analysis shows that 4B agents already possess surprisingly strong performance potential, highlighting both the deployment promise of small models and the value of test-time scaling in this setting. We release our models, code, and key recipes to support reproducible research on edge-scale deep research agents.
• Abstract（参考訳）: 小さな言語モデルに基づくエッジスケールのディープリサーチエージェントは、コスト、レイテンシ、プライバシのアドバンテージのため、現実のデプロイメントには魅力的なものだ。 本研究では,データ品質とデータ利用の両面を改善することにより,限られたオープンデータの下で,強力な研究エージェントを訓練する方法を検討する。 本稿では,エッジスケール展開のためのフロンティア4BディープリサーチエージェントであるDR-Venusについて紹介する。 私たちのトレーニングレシピは2つのステージで構成されています。 第1段階では,エージェント制御ファインチューニング(SFT)を用いて基本的なエージェント能力を確立し,厳密なデータクリーニングと長軸軌道の再サンプリングを組み合わせることにより,データ品質と利用性を向上させる。 第2段階では, エージェント強化学習(RL)を用いて, 長期深層調査タスクの実行信頼性を向上する。 この設定において、小型エージェントにRLを効果的にするために、IGPOと情報ゲインとフォーマット対応の正規化に基づいてターンレベルの報酬を設計し、監督密度とターンレベルのクレジット割り当てを向上する。 DR-Venus-4Bは、約10Kのオープンデータ上に構築され、複数のディープ・リサーチ・ベンチマークで9Bパラメータで以前のエージェントモデルよりも大幅に性能が向上した。 我々のさらなる分析によると、4Bエージェントは驚くほど高いパフォーマンスの可能性を秘めており、小さなモデルのデプロイメントの約束と、この環境でのテスト時間スケーリングの価値の両方を強調しています。 私たちは、エッジスケールのディープリサーチエージェントの再現可能な研究を支援するために、モデル、コード、キーレシピをリリースします。

関連論文リスト

• AgentCPM-Explore: Realizing Long-Horizon Deep Exploration for Edge-Scale Agents [75.67445299298949]
  AgentCPM-Exploreは、知識密度と強力な探索能力を備えたコンパクトな4Bエージェントモデルである。 本稿では,パラメータ空間モデルの融合,報酬信号の復調,文脈情報の改良を特徴とする総合的なトレーニングフレームワークを提案する。 AgentCPM-Exploreは4つのベンチマークで8BクラスのSOTAモデルにマッチまたは超え、また5つのベンチマークでClaude-4.5-SonnetやDeepSeek-v3.2のような大規模モデルよりも優れている。
  論文  参考訳（メタデータ） (2026-02-06T08:24:59Z)
• Step-DeepResearch Technical Report [90.50586290399683]
  コスト効率のよいエンドツーエンドエージェントである Step-DeepResearch を紹介する。 我々は、計画とレポート作成を強化するために、アトミック能力に基づくデータ合成戦略を提案する。 中国における評価ギャップを埋めるため,現実的な深層研究シナリオのためのADR-Benchを構築した。
  論文  参考訳（メタデータ） (2025-12-23T16:32:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。