FORT-Searcher: 深層検索エージェント訓練のためのショートカット耐性検索タスクの合成

要旨

深層探索エージェントの訓練には、探索によって十分な証拠が得られるまで解答が不明である検証可能な質問が必要である。既存の合成手法は、グラフ構造を豊かにすることで見かけ上の難易度を高めることが多いが、構造的な複雑さだけでは実際の探索難易度を保証できない。意図した探索プロセスは、より簡単な特定経路を通じて崩壊する可能性がある。我々はこのギャップを、ショートカットを考慮した難易度フレームワークで形式化し、4つの対処可能なショートカットリスク、すなわち証拠の共被覆、単一手がかり選択性、露出定数、事前知識バインドを特定する。それらの実現された影響を診断するために、解決コスト、解答ヒット時間、事前ショートカット率を含む軌跡シグネチャを用いる。このフレームワークに導かれ、我々はショートカット耐性訓練データ合成フレームワークであるFORTを導入する。FORTは、エンティティ選択、証拠グラフ構築、質問作成、敵対的洗練にわたってショートカットリスクを制御することで、ショートカット耐性のある訓練データを構築する。実験により、FORTは既存のオープンソース深層探索データセットよりも、解答前の探索時間が長く、ショートカットパターンが少ないことを示す。得られた軌跡を用いて、我々は教師ありファインチューニング（SFT）のみでFORT-Searcherを訓練し、挑戦的な深層探索ベンチマークにおいて、同等規模のオープンソース探索エージェントの中で最高の総合性能を達成する。関連リソースは https://github.com/RUCAIBox/FORT-Searcher で公開される予定である。

English

Training deep search agents requires verifiable questions whose answers remain unavailable until sufficient evidence has been acquired through search. Existing synthesis methods often increase apparent difficulty by enriching graph structures, but structural complexity alone does not guarantee realized search difficulty: the intended search process can collapse through a cheaper identifying route. We formalize this gap with a shortcut-aware difficulty framework and identify four actionable shortcut risks: evidence co-coverage, single-clue selectivity, exposed constants, and prior-knowledge binding. To diagnose their realized effects, we use trajectory signatures including solving cost, answer hit time, and prior-shortcut rate. Guided by this framework, we introduce FORT, a Framework of Shortcut-Resistant Training-Data Synthesis. FORT constructs shortcut-resistant training data by controlling shortcut risks across entity selection, evidence graph construction, question formulation, and adversarial refinement. Experiments show that FORT induces longer pre-answer search and fewer shortcut patterns than existing open-source deep search datasets. Using the resulting trajectories, we train FORT-Searcher with supervised fine-tuning (SFT) only, and it achieves the best overall performance among comparable-size open-source search agents on challenging deep search benchmarks. Relevant resources will be made available at https://github.com/RUCAIBox/FORT-Searcher.