标签
DR Pixel 是一个开源的端到端多模态深度研究智能体，直接基于渲染后的文档页面图像进行检索和推理，而非使用 OCR 提取的文本，并引入反事实贡献重加权方法，用于智能体监督微调。该方法在 GPT-5.4 和 Gemini-3.5-Flash 等模型上，在 DRPixelBench 中的表现优于基于 OCR 的基线，训练后将检索召回率提升约 15 个百分点，准确率提升超过 10 个百分点。
论文提出了 PatEx-Gym，这是首个用于开发和评估专利审查智能体的框架，包括一个包含 1K 任务的基准（PatEx-Bench）、一种免标注的轨迹合成方法（PASS），以及一个通过监督微调训练的紧凑型 4B PatEx-Agent，其性能可与规模大得多的通用智能体相媲美。
作者探讨构建研究型 AI 智能体时的两种架构选择：直接调用一体化深度研究 API（Gemini Deep Research、OpenAI、Tavily Research 等），或基于搜索/抓取原语（Firecrawl、Exa、Tavily）自建规划与合成循环，并就质量、可观测性、扩展性与成本估算向生产环境实践者提问。
开发者发布了一款免费开源的 Claude Desktop 替代工具，支持本地运行、任意 LLM、深度研究能力，并可通过 Docker 自托管连接 40+ 数据源。
提出 Self-Assessment 强化学习框架（SARL），让检索增强的 LLM 搜索智能体在训练中学会感知自身搜索状态、识别缺失信息，从而提升搜索效率而无需额外推理时评估，在多跳推理与深度研究基准上取得显著相对提升。
DiffResearch 将自回归骨干替换为扩散语言模型（dLLM）用于多智能体深度研究，在 Deep Research Bench 上实现约 6 倍端到端加速并提升报告质量，还提出 dFast 提前从去噪状态提取子查询，以 Apache-2.0 开源。
browsecomp-plus-mini 是一个 15 条查询的轻量子集，能以不到完整基准 2% 的成本，大致复现 BrowseComp-Plus 全部 830 条查询对深度研究智能体的排名（加权 Spearman 一致性 0.88），且无需 LLM 评分，仅用规范化精确匹配打分。
作者对比了六家深度研究 API（OpenAI、Perplexity、Parallel、Tavily、Gemini、Valyu），分析各自的功能支持、限制、交付物能力以及在研究工作流中的适用场景，并附上功能与定价对比表。
作者对比了 11 种可在编码智能体内运行或由智能体驱动的深度研究工具，涵盖报告生成、表格输出、来源聚合与审计层等类别，并讲述了自己 fork 其中一个项目后进行改造的过程与发现。
该论文研究了对多智能体深度研究智能体的系统提示进行反思式提示进化（GEPA），采用主题不重叠、多随机种子的评估协议，发现分解式逐维度反馈是可迁移增益的关键因素，而压缩为单一标量奖励会导致负迁移。
PANINI-DR提出了一种多智能体深度研究框架，通过生成式语义工作区分离协调、研究与验证职责，在BrowseComp-Plus等三个基准上取得最佳平均性能，BrowseComp-Plus准确率达73.3%，领先次优系统16.0个百分点。
本文提出 Incremental Open-Ended Deep Research（Incremental-OEDR）研究设定与 Structured Harness 框架，将研究报告视为可随新信息持续演化的结构化状态，在保持报告质量的同时显著降低研究成本（token 消耗减少 33%，搜索调用减少 61%）。
Web$hell 提出了一种统一的 LLM 智能体 Web 访问接口，通过 WebContract、WebCompiler、WebCache 将实时网页编译为可寻址的信息与操作对象，实现了搜索增强、浏览器操作与文件系统式访问的融合，在多项 Web 搜索、导航与深度研究基准上以更低成本取得强劲性能。
Zilliz 开源了 DeepSearcher，这是一个基于 Apache-2.0 许可证的深度研究框架，将大语言模型、Milvus 等向量数据库与 Agent 结合，让企业可以在本地私有部署环境中，基于自有知识库开展研究，而无需将数据发送给在线 AI 服务。
8 个精选开源 GitHub 项目——包括 GPT Researcher、STORM、Perplexica、Crawl4AI、PaperQA2、Docling、GraphRAG 和 LightRAG——能够把一个研究问题转化为有来源引用、经过交叉验证、证据充分的报告。
BAAI 发布了 AREX-2，这是一个基于 Qwen3.8 的 27B 长周期自我改进 Agent 模型。它能够在多轮测试时（test-time）迭代中学习提出方案、测量结果、进行反思并不断修正，在代码、机器学习工程与深度研究等基准测试上仅用 27B 参数就取得了优异表现。
NVIDIA 使用 Tavily 为 Nemotron 3 Super 的后训练生成高质量研究轨迹，从而在 DeepResearch Benchmarks 上取得顶尖排名。该过程突显了专门化微调如何提升研究代理的效率和性能。
LongCat-DeepResearch 是一个深度研究系统，它将增强的LongCat模型与多智能体工作流相结合，用于生成全面、基于证据的报告，并在DeepResearchBench和ResearchRubrics等基准测试中取得了具有竞争力的分数。
Hyperresearch 是一个开源的Python工具，充当Claude Code和OpenAI Codex的深度研究框架，使用代理来收集、搜索和综合网络研究到一个持久的、可搜索的维基中，并带有对抗性审计。
AdaTutoRank引入了一种使用自适应辅导优化训练的集合级重排器，用于增强RAG和深度研究中的文档集排名，以更少的检索调用实现卓越性能。