开源与闭源大语言模型的性能鸿沟主要源于训练数据的差异。O-Researcher框架提出了一种创新解法，通过多智能体协同自动生成高质量研究数据，旨在无需依赖专有资源即可提升开源模型的深度推理能力，为AI研究提供了新的自动化路径。
智能速览
开源与闭源模型的核心差距在于高质量训练数据的获取。
O-Researcher框架利用多智能体工作流自动化合成研究指令数据。
该方法包含多智能体协作、监督微调和强化学习优化三个阶段。
在主流研究基准上，该方法展现出比肩顶级闭源系统的性能。
精华内容
O-Researcher的精髓在于其系统化的多智能体协作流程，通过精细的分工与迭代，实现了从复杂查询到高质量研究报告的自动化生成，具体是如何实现的呢？
性能鸿沟
开源大语言模型在复杂推理任务上常落后于闭源模型，其根本原因并非模型架构，而是训练数据的质与量。闭源模型能接触海量专有、高质量的研究级数据，而开源模型则受限于公开数据集，这构成了其知识边界的瓶颈。因此，如何自主生成高质量训练数据，成为提升开源模型能力的关键。
多智能体协作
O-Researcher框架的核心是设计了一个并行的多智能体执行工作流。该流程由规划器、工具使用器和总结器等多个专业化智能体组成。规划器负责将复杂的研究查询分解为可执行的子任务；工具使用器调用外部工具（如搜索引擎、计算器）完成信息检索与处理；总结器则整合所有信息，生成结构化的研究报告轨迹。
数据优化训练
利用智能体生成的报告轨迹，框架进行监督微调（SFT），让模型学习如何进行深度研究和报告撰写。为进一步提升能力，研究团队还采用了一种创新的分组相对策略优化（GRPO）方法进行强化学习。这种组合训练策略显著增强了模型的推理能力和事实准确性。
实验与验证
在DeepResearch Bench和DeepResearchGym这两个权威基准测试中，O-Researcher经过了全面评估。结果显示，它在报告质量、事实准确性和引用规范性等多个维度上，均优于现有的主流开源模型，甚至可以与部分顶级闭源商业系统相媲美，证实了该框架的有效性。
O-Researcher通过多智能体蒸馏，为开源社区提供了一条摆脱数据依赖、实现能力跃迁的可行路径。它不仅展示了自动化数据合成的巨大潜力，也为未来构建更强大、更自主的AI研究助手开辟了新方向。这种范式能否成为通用AI模型训练的新标准？
