实体
DeepResearchBench
DeepResearchBench
PulseAugur coverage of DeepResearchBench — every cluster mentioning DeepResearchBench across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的大语言模型系统LongCat-DeepResearch解决了上下文瓶颈问题
研究人员开发了LongCat-DeepResearch系统，旨在解决大语言模型在深入研究任务中遇到的上下文瓶颈问题。该系统将全局协调与局部调查分开，允许研究人员各自管理自己的上下文。在三个公开基准测试中，LongCat-DeepResearch据称在四个对比系统中得分最高，尽管比较并未区分模型质量，且一些开发研究缺乏独立验证。一项消融研究表明，模型的能力和编排机制对于性能来说是互补且至关重要的。
-
新的Co-ReAct框架使用分步评分标准指导AI代理
研究人员开发了Co-ReAct，一个使用分步评分标准指导ReAct风格AI代理在推理过程中进行决策的新框架。该方法旨在改善搜索密集型、多步推理任务的决策过程，这类任务通常会产生浅层或冗余的轨迹。Co-ReAct在每个步骤将评分标准注入代理的上下文中，以指导证据搜寻、推理和自我评估，从而在DeepResearchBench和SQA-CS-V2等基准测试中取得持续改进。