小数据SFT超越工业级搜索Agent

工业界做搜索Agent的典型路径是预训练+CPT+SFT+RL四层堆叠，OpenSeeker-v2直接砍掉前三层只保留SFT，关键在'informative and high-difficulty trajectories'的筛选标准——不是数据量多，而是每条轨迹的信息密度和难度梯度。这和去年DeepSeek-R1用纯RL跳过SFT形成有趣对照：一个做加法一个做减法，共同指向'找到正确的数据/反馈信号比堆训练阶段更关键'。

目前代码和模型尚未开源，但方法本身复刻门槛不高。如果你在做垂直领域搜索Agent（如法律、医疗文献检索），可以先审视现有训练数据的质量分布，而不是急着上RL infra。