PolarSeeker/OpenSeeker

해결하는 문제

OpenSeeker는 최첨단 검색 에이전트의 투명성과 접근성 부족을 해결합니다. 많은 고성능 검색 에이전트가 존재하지만, 그들의 학습 데이터는 종종 비공개입니다. OpenSeeker는 복잡한 정보 탐색 작업을 위한 고급 검색 에이전트를 구축하고 배포할 수 있도록 완전히 오픈소스화된 학습 데이터와 모델을 제공함으로써 접근성을 확대합니다.

작동 방식

OpenSeeker는 ReAct 기반의 검색 에이전트 아키텍처를 사용합니다. Qwen3-30B 기반의 미세조정 모델(v1 및 v2)을 제공하며, 전용 데이터셋에서 Supervised Fine-Tuning(SFT)을 통해 학습되었습니다. 시스템은 외부 도구와 통합되어 검색 및 정보 검색을 수행합니다:

• 검색 및 방문 도구: 에이전트가 웹을 검색하고 특정 페이지에 접근할 수 있도록 합니다.
• E2B 사전: OpenSeeker-v2는 E2B 사전 도구를 통합하여 기능을 강화합니다.
• 평가 프레임워크: BrowseComp 및 xbench와 같은 다양한 벤치마크에서 성능을 평가하고 답변을 생성하는 스크립트를 포함합니다.

대상 사용자

이 프로젝트는 폐쇄형 학습 파이프라인에 의존하지 않고 최신 오픈소스 검색 에이전트를 구축, 평가, 배포하고자 하는 연구자 및 개발자에게 적합합니다.

주요 특징

• 완전 오픈소스: 고성능을 달성하기 위해 사용된 모델과 전체 학습 데이터를 모두 제공합니다.
• SOTA 성능: BrowseComp 및 Humanity’s Last Exam과 같은 벤치마크에서 30B 규모의 ReAct 기반 검색 에이전트 중 최고 성능을 기록합니다.
• 도구 증강: E2B를 통해 웹 검색, 페이지 방문, 사전 실행을 지원합니다.
• 학술 출처: 학술 팀이 처음으로 전체 학습 데이터를 오픈소스화하면서 SOTA 검색 에이전트 성능을 달성한 연구입니다.