arXiv cs.CL· Soyoung Yoon, Peiran Xu, Han Wang, Ruofan Wu, Xiaodong Yu, Feng Yan, Mohit Bansal, Debiao Li, Seung-Won Hwang, Yuxiong He, Zhewei Yao·· 12 小时前AI 评分34
HybridResearcher：让 4B 智能体打通结构化与非结构化数据边界
HybridResearcher: Bridging the Structured-Unstructured Boundary for Deep Research Agents
AI 导读
研究团队提出 HybridResearcher，一个 4B 参数智能体，专门训练跨结构化与非结构化数据源的证据整合能力。在 HybridDeepResearch 基准上，其 pass@8 比基座模型 Qwen3.5-4B 提升 30.0 分，并超过更大的 Qwen3.5-397B-A17B 达 8.3 分。
正文 · AI 翻译
作者：Soyoung Yoon、Peiran Xu、Han Wang、Ruofan Wu、Xiaodong Yu、Feng Yan、Mohit Bansal、Debiao Li、Seung-Won Hwang、Yuxiong He、Zhewei Yao
摘要：尽管 LLM 智能体在从单一同质来源（如结构化表格或非结构化数据）收集和综合证据方面的能力日益增强，但现实世界中的分析性问题往往跨越异构来源。例如，回答一个企业问题可能既需要基于内部数据库计算出的结果，也需要在网络上找到的证据。近期在 HybridDeepResearch 等基准上的评估表明，即便是前沿智能体，在证据必须跨越这一边界时也会陷入困境。尽管这些基准已经揭示了这一局限，但明确教授跨来源推理的方法论仍然缺失。为解决这一问题，我们提出了 HybridResearcher，这是一个经过训练、能够跨越结构化与非结构化边界衔接证据的 4B 智能体。为构建它，我们通过从经过验证的单来源任务（如现有的 text-to-SQL 或网络搜索查询）出发，并围绕从种子自身输出中提取的桥接实体来虚构缺失的来源，从而合成跨来源桥接轨迹。只有当严格的构建门控确认任何一侧单独都不足以完成任务时，我们才保留该样本，以确保数据需要真正的跨来源相互依赖。最后，我们使用监督微调后接强化学习的方式，在这个精选数据集上进行训练。在现有的 HybridDeepResearch 基准上评估时，HybridResearcher 相比其基础模型 Qwen3.5-4B 提升了 30.0 个百分点的 pass@8，并超过规模大得多的 Qwen3.5-397B-A17B 达 8.3 个百分点，同时在既有的留出单来源基准（BrowseComp 和 BrowseComp-Plus）上也优于其基础模型，这表明这种复杂的跨来源推理可以直接教授给小模型，而不会引发灾难性遗忘。
| 主题： | 人工智能（cs.AI）；计算与语言（cs.CL） |
| 引用为： | arXiv:2610.24899 [cs.AI] |
| （或 arXiv:2610.24899v2 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.24899 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Xiaodong Yu [查看邮箱]
[v1]
2026年10月17日星期六 22:46:56 UTC（339 KB）
[v2]
2026年10月21日星期三 00:41:07 UTC（324 KB）
来源：arXiv cs.CL · arxiv.org