Rapport Technique de Step-DeepResearch
Step-DeepResearch Technical Report
December 23, 2025
papers.authors: Chen Hu, Haikuo Du, Heng Wang, Lin Lin, Mingrui Chen, Peng Liu, Ruihang Miao, Tianchi Yue, Wang You, Wei Ji, Wei Yuan, Wenjin Deng, Xiaojian Yuan, Xiaoyun Zhang, Xiangyu Liu, Xikai Liu, Yanming Xu, Yicheng Cao, Yifei Zhang, Yongyao Wang, Yubo Shu, Yurong Zhang, Yuxiang Zhang, Zheng Gong, Zhichao Chang, Binyan Li, Dan Ma, Furong Jia, Hongyuan Wang, Jiayu Liu, Jing Bai, Junlan Liu, Manjiao Liu, Na Wang, Qiuping Wu, Qinxin Du, Shiwei Li, Wen Sun, Yifeng Gong, Yonglin Chen, Yuling Zhao, Yuxuan Lin, Ziqi Ren, Zixuan Wang, Aihu Zhang, Brian Li, Buyun Ma, Kang An, Li Xie, Mingliang Li, Pan Li, Shidong Yang, Xi Chen, Xiaojia Liu, Yuchu Luo, Yuan Song, YuanHao Ding, Yuanwei Liang, Zexi Li, Zhaoning Zhang, Zixin Zhang, Binxing Jiao, Daxin Jiang, Jiansheng Chen, Jing Li, Xiangyu Zhang, Yibo Zhu
cs.AI
papers.abstract
Alors que les LLM évoluent vers des agents autonomes, la Recherche Approfondie est devenue une métrique pivot. Cependant, les benchmarks académiques existants comme BrowseComp répondent souvent mal aux exigences du monde réel pour la recherche ouverte, qui nécessite des compétences robustes en reconnaissance de l'intention, prise de décision à long terme et vérification multi-sources. Pour y remédier, nous présentons Step-DeepResearch, un agent end-to-end économique. Nous proposons une Stratégie de Synthèse de Données Basée sur des Capacités Atomiques pour renforcer la planification et la rédaction de rapports, combinée à un parcours d'entraînement progressif allant du mid-training agentique au SFT et RL. Renforcée par un Évaluateur de type Checklist, cette approche améliore significativement la robustesse. De plus, pour combler le déficit d'évaluation dans le domaine chinois, nous établissons ADR-Bench pour des scénarios réalistes de recherche approfondie. Les résultats expérimentaux montrent que Step-DeepResearch (32B) obtient un score de 61,4% sur les Scale AI Research Rubrics. Sur ADR-Bench, il surpasse significativement les modèles comparables et rivalise avec les modèles propriétaires SOTA comme OpenAI et Gemini DeepResearch. Ces résultats prouvent qu'un entraînement raffiné permet aux modèles de taille moyenne d'atteindre des capacités expertes avec une efficacité économique leader dans l'industrie.
English
As LLMs shift toward autonomous agents, Deep Research has emerged as a pivotal metric. However, existing academic benchmarks like BrowseComp often fail to meet real-world demands for open-ended research, which requires robust skills in intent recognition, long-horizon decision-making, and cross-source verification. To address this, we introduce Step-DeepResearch, a cost-effective, end-to-end agent. We propose a Data Synthesis Strategy Based on Atomic Capabilities to reinforce planning and report writing, combined with a progressive training path from agentic mid-training to SFT and RL. Enhanced by a Checklist-style Judger, this approach significantly improves robustness. Furthermore, to bridge the evaluation gap in the Chinese domain, we establish ADR-Bench for realistic deep research scenarios. Experimental results show that Step-DeepResearch (32B) scores 61.4% on Scale AI Research Rubrics. On ADR-Bench, it significantly outperforms comparable models and rivals SOTA closed-source models like OpenAI and Gemini DeepResearch. These findings prove that refined training enables medium-sized models to achieve expert-level capabilities at industry-leading cost-efficiency.