⽆需任何监督信号！自博弈机制让深度搜索Agent实现自我进化

近期，搜索型 Agent 的热度持续攀升⸺从 OpenAI 的 Deep Research 到各类学术探索，「 多轮检索 + ⼯具调⽤ + 深度推理 」的新范式正在深刻改变 AI 获取和整合 信息的⽅式。但如何让这些 Agent 能⼒持续提升，达到接近⼈类的表现⽔平，仍然是⼀个核⼼挑战。 ⽬前主流的训练⽅法是可验证奖励强化学习（RLVR）：给定任务题⽬和标准答案，⽤最终预测结果的正确性作为奖励信号来训练 Agent。然⽽，这种⽅法⾯临着 ⼀个根本性的瓶颈： 要让 Agent 变强，需要大量「高 质量任务 + 可验证答案 」的数据支撑 。 而现实情况 是： 那么，是否存在⼀种⽅法，能让 Agent 在 无需人工标注 的情况下， 通过与外部真实世界的交互，自主生成训练任务、实现自我驱动的进化 ？ 人工标注 ：成本⾼昂，特别是跨⼯具链的标注数据难以复⽤； 离线合成 ：难以把控合成质量，仍依赖⼈⼯校验，且验证成本居⾼不下； 扩展困境 ：即便有⾜够的离线合成任务，如何让训练难度⾃适应地跟随 Agent 能⼒提升？ 论⽂标题：Search Self-Play: Pushing the Frontier of Agent ...