增量式深度研究：报告作为可演化状态，token省33%
Meilin Chen · hf · 2026-10-09
论文提出 Incremental-OEDR（增量式开放式深度研究）：不再每次从零生成报告，而是把报告当作可演化的研究状态——保留仍有效的知识、修订过时或不完整内容、融入新信息。
- 提出配套框架 Structured Harness：将报告表示为大纲/章节/证据的结构化集合，提供结构化检索、持久化证据池与结构化生成，支持选择性更新与证据复用。
- 建立跨十年的时序评估框架，含 Single-Step Task 与 Long-Chain Task，分别评估单次更新与长链更新。
- 在 DeepResearch Bench 与 DeepConsult 上（开源/闭源两种配置）：报告质量持平的同时，内容级 ROUGE-L F1 最高提升 0.51、大纲级 EM F1 提升 0.63，token 消耗降低 33%，搜索调用减少 61%。
「编程与Agent」频道最新
- 并行跑 5 个编码 Agent 不算自动化:四层架构构建 Agentic 软件工厂 — intellectronica · 2026-10-10
- 用公开 API 组 AI Agent 自动跑 Apple Search Ads 投放 — jdluk87 · 2026-10-10
- fchollet 力挺 Busabase:开源 MIT 数据库让 Agent 工作成果可沉淀复用 — fchollet · 2026-10-10
- 前 OpenAI Operator 研究员展示真实世界 RL 高精度任务训练成果 — ZhaoMandi · 2026-10-10
- 让 agent 自我剖析:一条 prompt 让它画出自己的工作流运行图 — brada · 2026-10-10
- LlamaParse 实测:嵌套表格也能完整解析,Micron 财报 18 项数据全对位 — llama_index · 2026-10-10