标签
我们提出 CohortFlow，这是一种可引导的大语言模型智能体，用于临床队列整理。它将自然语言修正作为局部更新应用于结构化规范，并通过显式语义依赖关系保留不受影响的计算。其准确率与完全重新生成相当，同时将修正延迟降低了 64.8%，模型调用次数减少了 38.1%。
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%）。
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。