最近的发布的大模型产品都在推Deep Research/Deep search。苹果研究员Bowen Jin，发布了一个开源框架Search-R1，专门用于训练推理和搜索引擎调用交错的大型语言模型。也是通过强化学习训练一个开源版 𝗢𝗽𝗲𝗻𝗔𝗜 “𝗗𝗲𝗲𝗽 𝗿𝗲𝘀𝗲𝗮𝗿𝗰𝗵”的一步。
🔗 github.com/PeterGriffinJin/Search-R1
Search-R1 是一个基于 veRL 的高效、可扩展的强化学习（RL）训练框架，专门用于训练推理和搜索引擎调用交错的大型语言模型（LLM）。训练方法类似Deepseek R1-zero，通过规则化奖励机制，使基础 LLM（如 Qwen2.5-3b 和 Llama3.2-3b）能够自主发展推理和调用搜索引擎的能力。项目提供了详细的安装指南、快速入门教程、初步实验结果以及如何使用自定义数据集和搜索引擎的说明。
