标签
本文提出了反事实门控–支持集分解（CGSD），这是一种预算匹配的四组实验设计，用于分离训练数据质量门控中支持集内选择与支持集间重新分配的效应。韩英及韩日检索实验表明，只有支持集内选择能够可靠地超越经校准的零假设基线。
介绍XBCP（跨语言BrowseComp-Plus），这是一个用于在跨语言和多语言环境中评估深度研究智能体和检索器的基准。结果表明，当证据与查询语言不同时，性能显著下降，凸显了检索失败以及智能体在整合语言不匹配证据方面的困难。