본 논문은 대규모 언어 모델(LLM) 기반 에이전트의 검색 능력 향상을 위한 오픈소스 프로젝트 ASearcher를 소개한다. 기존의 LLM 기반 에이전트는 복잡한 지식 집약적 작업을 처리하는 데 뛰어난 성능을 보이지만, 전문가 수준의 검색 지능(모호한 질문 해결, 정확한 검색 생성, 결과 분석, 철저한 탐색)에는 미흡하다. ASearcher는 이러한 한계를 극복하기 위해 확장 가능하고 효율적인 비동기 강화 학습 기반의 훈련 프레임워크를 제시한다. 특히, 긴 시계열(long-horizon) 검색을 가능하게 하는 확장 가능한 비동기 강화 학습(RL) 훈련 및 고품질의 질의응답(QA) 데이터셋을 자동 생성하는 프롬프트 기반 LLM 에이전트를 통해 xBench와 GAIA 벤치마크에서 기존 오픈소스 에이전트보다 우수한 성능을 달성하였다. 40턴 이상의 툴 호출과 150k 토큰 이상의 출력을 생성하는 극단적인 장기 검색 능력을 보여주는 것이 특징이다. 모델, 훈련 데이터 및 코드는 공개적으로 제공된다.
