Bingsen Chen

研究发现：深度研究代理在多轮报告修订方面存在困难

一项新研究论文介绍了一个名为 Mr Dre 的评估套件，旨在测试深度研究代理（DRAs）的多轮报告修订能力。目前的基准测试将报告生成视为单次任务，未能捕捉到人类研究的迭代性质。研究发现，虽然 DRAs 可以处理大多数用户反馈，但它们经常在先前已涵盖的内容和引用质量方面出现回退，并且性能会随着多轮修订而下降。即使是先进的提示工程和专门的子代理也未能完全解决这些问题。