サーチ・セルフプレイ（SSP）は、2025年10月にアババクアーク、北京大学、中山大学の研究チームによって提案されました。関連する研究成果は論文として発表されました。 検索セルフプレイ：監督なしでエージェントの能力の限界を押し広げる 。

探索自己ゲーム（SSP）では、客観的なLLMが問題作成者と問題解決者という2つの役割を同時に交互に担います。問題作成者は、検証可能で真実の回答を持つ深層探索クエリを生成し、難易度を徐々に上げていきます。一方、解決者は、複数回の推論と探索呼び出しを通じて、生成された質問への回答を試みます。生成された各クエリの正しさを検証するために、研究者は問題作成者の軌跡からすべての検索結果を外部資料として収集し、その後、検索拡張生成（RAG）を実行して、必要な情報をすべて与えられた状態で解決者が回答を正しく予測できるかどうかを確認します。この設計により、深層探索エージェントは高品質のトレーニングタスクを自律的に生成し、それらを独立して解決できるため、報酬の精度を維持しながら、手動での注釈付けと検証が不要になります。