一個新框架，讓Qwen版o1成績暴漲：

在博士級別的科學問答、數學、代碼能力的11項評測中，能力顯著提升，拿下10個第一！

這就是人大、清華聯手推出的最新「Agentic搜索增強推理模型框架」Search-o1的特別之處。

項目團隊成員發現，o1和o1類模型在推理過程中表現突出，但卻存在“知識不足”的明顯缺陷——

推理步驟太長/模型知識不足時，推理過程就很容易卡殼，導致推理鏈中的錯誤傳遞。而其中任何知識誤差都可能破壞整個推理鏈，最終對答案的正確性造成影響。

好著急，在線等，怎么辦？

Search-o1的解題思路是：暫停推理，去搜索查找缺少的知識/資料，然后再回來繼續推理。

就像咱人類思考不明白，就去查查資料，然后就想明白了似的。

研究者在初步實驗中發現，類o1推理模型在處理復雜問題時，平均每個推理過程中會出現超過30次的不確定詞匯，be like“或許”“可能”等。

這不僅增加了推理的復雜性，還使得手動驗證推理過程變得更加困難。因此，如何在推理過程中自動補充所需知識，成為提升大型推理模型可信度的關鍵。

針對于此，而Search-o1的解決辦法是這樣的：

結合RAG和用于精煉檢索文檔的Reason-in-Documents模塊增強框架，將Agentic搜索工作流整合到推理過程中，旨在通過自主知識檢索，提升大型推理模型的可靠性和適用性。

如此一來，推理模型在遇到不確定的知識點時，就能都發揮主觀能動性板去檢索外部知識，同時保持整個過程的連貫性，讓自己的推理能力更進一步。

研究團隊做了廣泛的測試后發現，在科學、數學和編碼等復雜推理任務，以及六個開放領域QA基準測試中，Search-o1的表現杠杠的。

目前項目已開源，抱抱臉和GitHub可自取。按慣例，本文文末有指路直通車。

（特別注明：Search-o1框架使用的基礎模型是開源的QwQ-32B-Preview）

Search-o1新框架

其實自從o1問世后，原生推理“在遇到知識缺口時易出錯”這一問題就已經被擺到臺前。

已經有很多團隊來嘗試解決上述問題，比如將策略和獎勵模型與蒙特卡洛樹搜索相結合（但這并沒有將推理內化到模型中）；或者在訓練過程中將故意錯誤納入推理路徑，以部分內化這些能力；也有研究者選擇蒸餾訓練數據。

然而，這些方法受到對靜態參數化模型的依賴的限制，當內部知識不足時，這些模型無法利用外部世界的知識。

后來，又有研究團隊提出利用RAG，在推理模型中引入檢索機制，來解決生成模型中靜態參數的限制，允許訪問外部知識來解決更復雜的問題。

當出現不確定性時（例如化合物的結構），這種方法會生成有針對性的搜索查詢（例如，“反式肉桂醛的結構”）；但是，檢索到的文檔通常包含冗長且不相關的信息，可能會破壞推理流程并損害連貫性。

因此，團隊提出Search-o1的核心動機，是通過自主檢索來增強具有類o1的推理模型。

Search-o1將推理模型的推理過程，和兩個核心組件集成在一起：

• Reason-in-Documents模塊
• Agentic RAG機制

Reason-in-Documents模塊

先來說說Reason-in-Documents模塊。

在Search-o1框架中，當 agentic RAG機制檢索到的外部知識文檔可能冗長且包含冗余信息，這些內容直接輸入給推理模型，可能會干擾接下來的推理。

于是團隊就提出了Reason-in-Documents，這個模塊是獨立于主推理鏈的。

它的作用是基于當前搜索查詢、先前推理步驟和檢索文檔，先分析文檔生成中間推理序列，再生成與當前推理步驟高度相關的精煉知識，并整合到推理鏈。

按照規定的輸出格式，若文檔提供了有用信息，則以 “Final Information [Helpful information]” 的形式輸出精煉后的知識。

若未找到有用信息，則輸出 “Final Information No helpful information found.”。

以此來確保推理過程簡潔且專注，以及推理過程的連貫性和邏輯一致性。

Agentic RAG機制

再來說說Agentic RAG機制。

Search-o1讓模型能夠在推理過程中，自主決定該在什么時候檢索外部知識。

單個問題推理時，對于每個問題，Search-o1會先初始化推理序列q。

由于推理模型M生成推理鏈R，這個過程可能會生成封裝在特殊符號 <|begin_search_query|> 和 <|end_search_query|> 中的搜索查詢。

當檢測到 <|end_search_query|> 符號后，會提取相應的搜索查詢q^search，觸發檢索函數Search以獲取相關的外部文檔D。

接著把外部文檔交由Reason-in-Documents模塊處理，然后把結果整合回推理鏈。

而批量推理時，Search-o1會對這批問題創建推理序列集，并行生成tokens，檢索和精煉文檔后，更新推理鏈，提高系統處理多輸入的吞吐量。

上述的所有過程都能反復進行，確保模型在整個推理過程中，都能獲得所需的外部知識支持。

實驗設置與結果

為了驗證Search-o1的有效性，研究人員進行了廣泛的實驗，評估任務包括以下兩類：

第一種是復雜推理任務。

包括PhD級別的科學問答（GPQA）、數學（MATH500、AMC2023、AIME2024）、代碼（LiveCodeBench）等。

Table 1數據顯示，在復雜推理任務中，所有的11個測試集上，Search-o1在其中10個任務上，都優于原生推理和傳統RAG方法。

僅有一項——LiveCodeBench之easy的成績57.7。

這個成績在Qwen2.5-Coder-32B和QwQ-32B上的表現低于原生推理，在RAG-Qwen2.5-32B、RAgent-QwQ-32B的比凹陷低于傳統RAG方法。

多提一嘴，項目論文中，研究團隊還展示了Search-o1與人類專家的比較。

研究者將Search-o1的性能和GPQA擴展集中各個領域的人類專家進行了比較人類，下面的Table 2展示的是專家在物理、化學、生物等各個學科的人類專家成績。

結果顯示，Search-o1在整體性能（57.9）、物理學（68.7）和生物學（69.5）方面都優于人類專家。

不過在化學子領域落后于化學家，Search-o1是40.7，人類專家是72.6。

第二種是開放域問答基準，包括：

• 單跳QA，如自然問題（NQ）、TriviaQA等。
• 多跳QA，如HotpotQA、2WikiMultihopQA、MuSiQue、Bamboogle等。

Table 3數據顯示，Search-o1在多跳QA任務表現尤為突出，平均準確率提升了近30%，優于所有基線模型。

不過相比較而言，Search-o1在單跳任務上的成績提升不顯著。

研究人員在最后表示：

Reason-in-Documents模塊 + Agentic RAG機制，通過有效解決模型本身知識不足的問題，增強了推理模型的可信度和實用性。

在復雜問題解決場景中，Search-o1為更值得信賴和更有效的智能系統鋪平了道路

目前外網沖浪了一下，網友們表示對這個工作還是非常肯定的。

尤其是對它“模擬人類認知過程”和“增強推理模型推理能力”這倆方面。

作者團隊

Search-o1的通訊作者是人大高瓴人工智能學院的教授竇志成。

他從南開大學博士畢業后，先加入了MSRA擔任研究員，2014年9月份加入中國人民大學，并于2018年8月破格晉升教授。

其余的作者包括Xiaoxi Li，Guanting Dong， Jiajie Jin，Yuyao Zhang，Yujia Zhou，Yutao Zhu， Peitian Zhang。

其中，Yujia Zhou是團隊中唯一一個來自清華的同學（其余都來自人大）。

Zhou目前在清華大學任博士后研究員，與清華大學科研院院長、計算機科學與技術系教授劉奕群合作。

這位同學在人大取得博士學位，導師正是竇志成。

arXiv：https://arxiv.org/abs/2501.05366
GitHub：https://github.com/sunnynexus/Search-o1
抱抱臉：https://huggingface.co/papers/2501.05366