Deep Research 产品进展为何停滞不前？
摘要
一篇分析，质疑自2025年2月惊艳发布以来，Deep Research AI产品的进展为何停滞不前，指出尽管有渐进式改进，但已知弱点（如幻觉和不可靠的源验证）依然存在。
Deep Research 于2025年2月发布，感觉像是一次真正的阶梯式变革。几个月内，每个实验室都推出了自己的版本。自那以后，变化似乎大多是渐进式的：更新的基础模型、MCP连接器、来源限制、更美观的报告UI。有用，但不是又一次阶梯式变革。令我注意的是，发布时就已知的弱点——幻觉事实、轻信可疑来源、不确定性校准差——在一年多后的第三方基准测试中仍然出现。报告令人印象深刻，但你仍然需要核实一切，这消耗了大部分节省的时间。这是否是一个硬能力瓶颈（区分优质来源和自信的SEO垃圾可能真的很难）？实验室是否将重点转向通用代理和浏览器，把研究模式作为维护功能而非前沿？或者进展正在发生但无形（更少的幻觉和更好的来源选择难以展示）？那么，为什么这方面的进展停滞不前？
相似文章
AI研究工具仍过于热衷将公开信号转化为确定性
作者批评AI研究工具对微弱信号过于自信，赞扬Komo AI的快速发现和附带来源的摘要，但强调需要更好地处理不确定性和矛盾。他们描述了一种工作流程，将发现、验证和结构化检查分散到多个AI工具中。
为什么80%的智能体AI演示无法投入生产
本文解释了为什么80%的智能体AI演示因幻觉、工具使用错误累积、边缘情况、成本、延迟和可观测性问题而无法进入生产环境。文章强调了成功的关键：窄范围、可验证输出、人工检查点、真实可观测性、基于置信度的门控以及简单架构。
三个在演示中不会出现的生产AI记忆故障：
本文强调了生产AI记忆系统中的三种常见失败模式：过时的偏好持续存在、讽刺性评论被当作字面偏好存储、以及摘要比其来源事实更持久。文章认为AI记忆行业缺乏出处、置信度评分和版本控制，造成了妨碍调试的黑箱问题。
为什么这么多内部企业AI项目在演示阶段后停滞不前？
本文探讨了为何内部企业AI项目经常在演示阶段后停滞，重点指出了运营挑战，如模式映射、指标定义和维护信任，同时指出AI模型本身是最容易的部分。
过去两年我一直在努力解决AI幻觉问题，现在遇到了一个更大的麻烦
观察从应对AI幻觉转向更紧迫的生产级AI故障问题，强调企业部署中需要系统可靠性、决策追踪和限制爆炸半径。