12:29arXiv cs.LG@Rishabh Sabharwal, Hongru Wang, Amos Storkey, Jeff Z. Pan精选现有深度研究智能体(DRA)基准仅评估单次输出,忽略了反馈改进能力。研究者设计了多轮评估框架,对比自我反思和过程级反馈两种场景。过程级反馈通过研究缺口推断(RGI)方法,分析评分标准满足模式来指导改进。实验发现:自我反思几乎无净改进;单轮过程级反馈可提升8-15分,但多轮改进效果不叠加,因为重写时可能丢失已满足标准。这表明即使有针对性指导,DRA的可靠多轮改进仍具挑战。代码和结果已开源。论文深度研究智能体多轮评估过程级反馈RGI方法开源/仓库推荐理由:做AI研究助手或智能体评估的团队,这篇论文揭示了当前DRA在多轮反馈下的真实瓶颈——单轮有效但多轮难持续,值得点开看具体实验设计和RGI方法。原文