본 논문은 대규모 언어 모델(LLM) 기반 에이전트의 검색 능력 향상을 위한 오픈소스 프로젝트인 ASearcher를 소개한다. 기존의 LLM 기반 에이전트는 복잡한 작업을 처리하는 데 있어 외부 도구, 특히 검색 도구의 통합이 중요하지만, 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(RL) 기반 훈련 프레임워크를 제시한다. LLM 에이전트는 고품질의 질문과 답변(QA) 데이터셋을 자체적으로 생성하며, 장기간의 검색(40턴 이상, 출력 토큰 15k 이상)을 수행할 수 있다. 실험 결과, xBench와 GAIA 벤치마크에서 기존 오픈소스 32B 에이전트를 능가하는 성능을 보였다. 모델, 훈련 데이터, 코드는 공개되어 있다.
