XBench-DeepSearch
PulseAugur coverage of XBench-DeepSearch — every cluster mentioning XBench-DeepSearch across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
OpenResearcher流程支持离线合成AI研究轨迹
研究人员开发了OpenResearcher，一个开源流程，用于合成用于训练深度研究代理的长时研究轨迹。该流程离线运行，利用三个显式浏览器原语处理1.5千万文档语料库，与专有API相比，可以实现可复现且成本效益高的数据收集。通过使用GPT-OSS-120B作为教师模型，他们生成了超过97,000条轨迹，当在30B-A3B模型上对此数据进行微调时，在BrowseComp-Plus等基准测试中的准确性显著提高。
-
新框架AutoMem可自动搜索LLM代理的内存架构
研究人员开发了AutoMem，一个旨在自动发现大型语言模型（LLM）代理最佳内存架构的新型框架。该文本梯度递归自改进系统导航编码器、存储、检索和管理模块的搜索空间，使内存设计适应特定任务。在GAIA和WebWalkerQA等基准测试上的实验表明，AutoMem能够持续识别出优于人类设计的基线内存架构，从而提高准确性并降低代币成本。
-
TreeSeeker框架通过受控试错增强AI深度搜索能力
研究人员推出了一种新颖的框架TreeSeeker，旨在提高深度搜索代理的效率。该系统将搜索过程构建成一棵树，允许代理在处理复杂查询时探索多个潜在路径，并有效管理试错过程。通过采用分支-回溯策略并利用价值、不确定性和风险信号，TreeSeeker旨在防止代理陷入无效路径，并确保更好地综合证据。实验表明，TreeSeeker在深度搜索任务上优于现有的开源方法。
-
Web2BigTable系统通过双层智能体架构增强LLM网络搜索能力
研究人员开发了Web2BigTable，一个新颖的双层多智能体系统，用于大规模互联网信息搜索和提取。该框架设有一个协调器，将任务分解以供低层工作智能体并行处理。通过一个持续的运行-验证-反思循环和一个共享工作空间，Web2BigTable增强了分解和执行能力，从而提高了数据一致性和覆盖范围。
-
DeepVerifier 研究引入通过测试时验证实现自演化 AI 代理
研究人员开发了 DeepVerifier，一个新颖的系统，通过在推理时实现自改进来增强深度研究代理 (DRAs) 的能力。这是通过一个基于评分标准的验证过程实现的，代理会根据潜在故障的结构化分类来评估自己的输出。该系统展示了显著的改进，在元评估 F1 分数上超越基线方法高达 48%，并在具有挑战性的基准测试中实现了 8-11% 的准确率提升。为了进一步支持研究界，已发布一个包含 4,646 个专注于验证的代理步骤的数据集。