Shreyas Singh Kunal Singh Pradeep Moturi

Abstract

Tool-integrierte Reasoning ist zu einem zentralen Schwerpunkt für die Entwicklung agenter Anwendungen geworden. Unter diesen haben DeepResearch-Agenten besondere Aufmerksamkeit auf sich gezogen, da sie hervorragende Leistungen bei komplexen, offenen Informationsbeschaffungsaufgaben erzielen. Wir stellen Fathom-DeepResearch vor, ein agentes System, das aus zwei spezialisierten Modellen besteht. Das erste Modell ist Fathom-Search-4B, ein DeepSearch-Modell, das auf Qwen3-4B aufbaut und durch Live-Web-Suche sowie gezielte Abfragen einzelner Webseiten für evidenzbasierte Untersuchungen optimiert wurde. Die Schulung kombiniert drei Fortschritte: (i) DUETQA, eine 5.000-Beispiel-Datenmenge, die mittels Multi-Agenten-Self-Play generiert wurde und eine strenge Abhängigkeit von Web-Suchen sowie eine heterogene Quellengrundlage erzwingt; (ii) RAPO, eine null-Kosten-Erweiterung von GRPO, die die Stabilität von Mehrschritt-Reinforcement-Learning mit überprüfbaren Belohnungen durch Curriculum-Pruning, belohnungsorientierte Vorteilsskalierung und pro-Prompt-Wiederholpuffer gewährleistet; und (iii) eine steuerbare Belohnung auf Schritt-Ebene, die jede Werkzeugaufruf nach kognitivem Verhalten und marginaler Nutzenbewertung klassifiziert und somit eine explizite Kontrolle über die Breite, Tiefe und Horizont der Suchstrategie ermöglicht. Diese Verbesserungen erlauben eine zuverlässige Erweiterung der Werkzeugaufrufe über 20 hinaus, wenn dies erforderlich ist. Das zweite Modell ist Fathom-Synthesizer-4B, ebenfalls auf Qwen3-4B trainiert, das mehrschrittige DeepSearch-Verläufe in strukturierte, zitatenreiche DeepResearch-Berichte zur umfassenden Synthese transformiert. Auf DeepSearch-Benchmarks (SimpleQA, FRAMES, WebWalker, Seal0, MuSiQue) und dem DeepResearch-Bench evaluiert, erreicht das System führende Leistung im offenen-Parameter-Kontext und zeigt zudem starke Generalisierungsfähigkeit bei einer Vielzahl von Schlussfolgerungsaufgaben, darunter HLE, AIME-25, GPQA-Diamond und MedQA.