在大型语言模型（LLM）领域，深度搜索能力已成为衡量智能体性能的关键指标。然而，长期以来，这一赛道被资源雄厚的工业巨头所主导，传统开发模式依赖于极其消耗资源的流水线，包括预训练、持续预训练（CPT）、监督微调（SFT）以及强化学习（RL）。近日，来自学术界的研发团队打破了这一格局，发布了OpenSeeker-v2，仅凭SFT技术便登顶搜索智能体榜单，引发了业界的广泛关注。

该团队在数据合成方面提出了三项核心优化策略，显著提升了模型的搜索能力。首先，他们扩大了知识图谱的规模，为模型提供了更丰富的探索空间，使其能够在更广泛的领域中进行有效搜索。其次，团队显著增加了工具集的数量，扩展了模型的功能边界，使其能够处理更多样化的搜索任务。最后，他们实施了严格的低步数过滤，确保训练数据的精炼与高效，避免了冗余信息的干扰。

实验数据显示，OpenSeeker-v2仅基于1.06万条数据点进行训练，便取得了令人瞩目的成绩。在多个基准测试中，该模型在同等模型规模与架构下，超越了包括工业巨头在内的众多竞争对手，首次实现了由纯学术团队通过SFT技术达到的state-of-the-art（SOTA）水平。这一成果不仅证明了数据优化策略的有效性，也展示了学术界在资源有限的情况下，仍能通过技术创新取得突破。

值得关注的是，这是首个在同等模型规模与架构下，由纯学术团队仅通过SFT技术实现的SOTA搜索智能体。传统上，工业巨头凭借其强大的计算资源和数据积累，在搜索智能体领域占据主导地位。然而，OpenSeeker-v2的成功表明，通过精心设计的数据合成策略和高效的训练方法，学术界同样可以在这个领域取得领先地位。这不仅为学术研究提供了新的方向，也为资源有限的团队提供了可借鉴的经验。

目前，该团队已正式开源OpenSeeker-v2的相关代码和模型，供全球研究者和开发者使用。开源地址和论文链接已在官方渠道发布，论文详细介绍了数据合成优化策略和实验细节。这一举措将进一步推动搜索智能体技术的发展，促进学术界和工业界的合作与交流。

OpenSeeker-v2的发布，不仅是对现有搜索智能体技术的一次重要补充，也为未来的研究提供了新的思路。随着更多学术团队和开源社区的参与，搜索智能体领域有望迎来更多的创新和突破。未来，我们或许会看到更多基于SFT等高效方法的智能体模型，打破资源垄断，推动AI技术的民主化进程。