Relatório Técnico do Step-DeepResearch
Step-DeepResearch Technical Report
December 23, 2025
Autores: 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
Resumo
À medida que os LLMs evoluem para agentes autónomos, a Pesquisa Aprofundada emergiu como uma métrica pivotal. No entanto, benchmarks académicos existentes como o BrowseComp frequentemente não correspondem às exigências do mundo real para investigação de natureza aberta, que requer competências robustas em reconhecimento de intenções, tomada de decisão de longo horizonte e verificação cruzada de fontes. Para colmatar esta lacuna, introduzimos o Step-DeepResearch, um agente de custo-eficaz de ponta a ponta. Propomos uma Estratégia de Síntese de Dados Baseada em Capacidades Atómicas para reforçar o planeamento e a redação de relatórios, combinada com um percurso de treino progressivo que vai desde o mid-training agentético até SFT e RL. Reforçada por um Avaliador em formato de Lista de Verificação, esta abordagem melhora significativamente a robustez. Adicionalmente, para colmatar a lacuna de avaliação no domínio chinês, estabelecemos o ADR-Bench para cenários realistas de pesquisa aprofundada. Resultados experimentais mostram que o Step-DeepResearch (32B) atinge 61.4% na Escala de Avaliação de Investigação da Scale AI. No ADR-Bench, supera significativamente modelos comparáveis e rivaliza com modelos SOTA proprietários como o OpenAI e o Gemini DeepResearch. Estes resultados provam que um treino refinado permite que modelos de dimensão média atinjam capacidades de nível especialista com uma relação custo-eficácia líder da indústria.
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.