Search版o1：推理过程会主动查资料，整体性能优于人类专家，清华人大出品

ttxx

一个新框架，让Qwen版o1成绩暴涨：

在博士级别的科学问答、数学、代码能力的11项评测中，能力显著提升，拿下10个第一！

这就是人大、清华联手推出的最新「Agentic搜索增强推理模型框架」Search-o1的特别之处。

项目团队成员发现，o1和o1类模型在推理过程中表现突出，但却存在“知识不足”的明显缺陷——

推理步骤太长/模型知识不足时，推理过程就很容易卡壳，导致推理链中的错误传递。而其中任何知识误差都可能破坏整个推理链，最终对答案的正确性造成影响。

好着急，在线等，怎么办？

Search-o1的解题思路是：暂停推理，去搜索查找缺少的知识/资料，然后再回来继续推理。

就像咱人类思考不明白，就去查查资料，然后就想明白了似的。

研究者在初步实验中发现，类o1推理模型在处理复杂问题时，平均每个推理过程中会出现超过30次的不确定词汇，be like“或许”“可能”等。

这不仅增加了推理的复杂性，还使得手动验证推理过程变得更加困难。因此，如何在推理过程中自动补充所需知识，成为提升大型推理模型可信度的关键。

针对于此，而Search-o1的解决办法是这样的：

结合RAG和用于精炼检索文档的Reason-in-Documents模块增强框架，将Agentic搜索工作流整合到推理过程中，旨在通过自主知识检索，提升大型推理模型的可靠性和适用性。

如此一来，推理模型在遇到不确定的知识点时，就能都发挥主观能动性板去检索外部知识，同时保持整个过程的连贯性，让自己的推理能力更进一步。

研究团队做了广泛的测试后发现，在科学、数学和编码等复杂推理任务，以及六个开放领域QA基准测试中，Search-o1的表现杠杠的。

目前项目已开源，抱抱脸和GitHub可自取。按惯例，本文文末有指路直通车。

（特别注明：Search-o1框架使用的基础模型是开源的QwQ-32B-Preview）

Search-o1新框架

其实自从o1问世后，原生推理“在遇到知识缺口时易出错”这一问题就已经被摆到台前。

已经有很多团队来尝试解决上述问题，比如将策略和奖励模型与蒙特卡洛树搜索相结合（但这并没有将推理内化到模型中）；或者在训练过程中将故意错误纳入推理路径，以部分内化这些能力；也有研究者选择蒸馏训练数据。

然而，这些方法受到对静态参数化模型的依赖的限制，当内部知识不足时，这些模型无法利用外部世界的知识。

后来，又有研究团队提出利用RAG，在推理模型中引入检索机制，来解决生成模型中静态参数的限制，允许访问外部知识来解决更复杂的问题。

当出现不确定性时（例如化合物的结构），这种方法会生成有针对性的搜索查询（例如，“反式肉桂醛的结构”）；但是，检索到的文档通常包含冗长且不相关的信息，可能会破坏推理流程并损害连贯性。

因此，团队提出Search-o1的核心动机，是通过自主检索来增强具有类o1的推理模型。

Search-o1将推理模型的推理过程，和两个核心组件集成在一起：

• Reason-in-Documents模块
  
• Agentic RAG机制
  

Reason-in-Documents模块

先来说说Reason-in-Documents模块。

在Search-o1框架中，当 agentic RAG机制检索到的外部知识文档可能冗长且包含冗余信息，这些内容直接输入给推理模型，可能会干扰接下来的推理。

于是团队就提出了Reason-in-Documents，这个模块是独立于主推理链的。

它的作用是基于当前搜索查询、先前推理步骤和检索文档，先分析文档生成中间推理序列，再生成与当前推理步骤高度相关的精炼知识，并整合到推理链。

按照规定的输出格式，若文档提供了有用信息，则以 “Final Information [Helpful information]” 的形式输出精炼后的知识。

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

以此来确保推理过程简洁且专注，以及推理过程的连贯性和逻辑一致性。

Agentic RAG机制

再来说说Agentic RAG机制。

Search-o1让模型能够在推理过程中，自主决定该在什么时候检索外部知识。

单个问题推理时，对于每个问题，Search-o1会先初始化推理序列q。

由于推理模型M生成推理链R，这个过程可能会生成封装在特殊符号 <|begin_search_query|> 和 <|end_search_query|> 中的搜索查询。

当检测到 <|end_search_query|> 符号后，会提取相应的搜索查询qsearch，触发检索函数Search以获取相关的外部文档D。

接着把外部文档交由Reason-in-Documents模块处理，然后把结果整合回推理链。

而批量推理时，Search-o1会对这批问题创建推理序列集，并行生成tokens，检索和精炼文档后，更新推理链，提高系统处理多输入的吞吐量。

上述的所有过程都能反复进行，确保模型在整个推理过程中，都能获得所需的外部知识支持。

实验设置与结果

为了验证Search-o1的有效性，研究人员进行了广泛的实验，评估任务包括以下两类：

第一种是复杂推理任务。

包括PhD级别的科学问答（GPQA）、数学（MATH500、AMC2023、AIME2024）、代码（LiveCodeBench）等。

Table 1数据显示，在复杂推理任务中，所有的11个测试集上，Search-o1在其中10个任务上，都优于原生推理和传统RAG方法。

仅有一项——LiveCodeBench之easy的成绩57.7。

这个成绩在Qwen2.5-Coder-32B和QwQ-32B上的表现低于原生推理，在RAG-Qwen2.5-32B、RAgent-QwQ-32B的比凹陷低于传统RAG方法。

多提一嘴，项目论文中，研究团队还展示了Search-o1与人类专家的比较。

研究者将Search-o1的性能和GPQA扩展集中各个领域的人类专家进行了比较人类，下面的Table 2展示的是专家在物理、化学、生物等各个学科的人类专家成绩。

结果显示，Search-o1在整体性能（57.9）、物理学（68.7）和生物学（69.5）方面都优于人类专家。

不过在化学子领域落后于化学家，Search-o1是40.7，人类专家是72.6。

第二种是开放域问答基准，包括：

• 单跳QA，如自然问题（NQ）、TriviaQA等。
  
• 多跳QA，如HotpotQA、2WikiMultihopQA、MuSiQue、Bamboogle等。
  

Table 3数据显示，Search-o1在多跳QA任务表现尤为突出，平均准确率提升了近30%，优于所有基线模型。

不过相比较而言，Search-o1在单跳任务上的成绩提升不显著。

研究人员在最后表示：

Reason-in-Documents模块 + Agentic RAG机制，通过有效解决模型本身知识不足的问题，增强了推理模型的可信度和实用性。

在复杂问题解决场景中，Search-o1为更值得信赖和更有效的智能系统铺平了道路

目前外网冲浪了一下，网友们表示对这个工作还是非常肯定的。

尤其是对它“模拟人类认知过程”和“增强推理模型推理能力”这俩方面。

作者团队

Search-o1的通讯作者是人大高瓴人工智能学院的教授窦志成。

他从南开大学博士毕业后，先加入了MSRA担任研究员，2014年9月份加入中国人民大学，并于2018年8月破格晋升教授。

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是团队中唯一一个来自清华的同学（其余都来自人大）。

Zhou目前在清华大学任博士后研究员，与清华大学科研院院长、计算机科学与技术系教授刘奕群合作。

这位同学在人大取得博士学位，导师正是窦志成。

arXiv：

https://arxiv.org/abs/2501.05366

GitHub：

https://github.com/sunnynexus/Search-o1

抱抱脸：

https://huggingface.co/papers/2501.05366

参考链接：

[1]https://x.com/rohanpaul_ai/status/1880173989143921058

[2]https://www.cs.tsinghua.edu.cn/info/1121/3557.htm

[3]https://www.zhouyujia.cn/


来源：36kr