InfoSeek：一个专为深度研究任务打造的开源数据集

北京智源研究院发布了InfoSeek数据集，这个开源数据集专门为深度研究任务设计。用这个数据集训练的30亿参数模型，在深度研究任务上表现与Gemini/Sonnet 4.0相当。

InfoSeek有三个特点值得注意：

1. 这是第一个专为深度研究任务打造的开源数据集
2. 完全开源，包括数据集和数据合成框架
3. 包含5万多个高质量、多步推理样本

开源社区对这类专业数据集的需求一直存在。大多数现有数据集要么规模太小，要么质量参差不齐。InfoSeek的出现填补了这个空白。

该数据集在海外反响不错。研究员Tobe Duru评价说"这看起来像是研究的游戏规则改变者"。确实，在AI研究领域，高质量数据往往比模型架构更重要。

同期，通义实验室也发布了Tongyi DeepResearch，一个开源且对标OpenAI的Deep Research的智能体。

它在HLE基准测试达到32.9分，BrowseComp测试双项超过43分，xbench-DeepSearch更是取得75分。

技术栈采用从Agentic CPT预训练开始的全流程方案，支持原生ReAct和新开发的Heavy模式。

项目资源链接：

Hugging Face数据集：https://huggingface.co/datasets/Lk123/InfoSeek

GitHub代码库：https://github.com/VectorSpaceLab/InfoSeek

技术论文：https://arxiv.org/abs/2509.00375

通义博客： https://tongyi-agent.github.io/blog/introducing-tongyi-deep-research/

通义模型 HuggingFace： https://huggingface.co/Alibaba-NLP/Tongyi-DeepResearch-30B-A3B