# 深度研究智能体

高通 AI 研究提出的 CORE 是一个免训练的研究外壳，把检索拆成粗到细两步：先用稠密检索取回整段文本，再复用后期交互重排器的词元级相似度，只把每段里最相关的片段交给智能体。在固定语料的封闭检索对照中，CORE 在三个智能体模型与三个基准的每一组比较里都取得最高的答案准确率和证据召回率，语料规模从 10 万网页文档到 5.53 亿篇 ClimbMix 文档。

高通 AI 研究提出的 CORE 是一个免训练的研究外壳，把检索拆成粗到细两步：先用稠密检索取回整段文本，再复用后期交互重排器的词元级相似度，只把每段里最相关的片段交给智能体。在固定语料的封闭检索对照中，CORE 在三个智能体模型与三个基准的每一组比较里都取得最高的答案准确率和证据召回率，语料规模从 10 万网页文档到 5.53 亿篇 ClimbMix 文档。

反思式提示词进化被用来改写多智能体深度研究智能体的两个系统提示词，在训练、验证、测试主题完全不重叠的划分下，500个留出任务上的引用奖励从0.702升到0.781，提升0.079，三个随机种子均复现。获胜提示词按词数近一半是抄进提示词的训练答案，但对照实验显示这些内容即使在那24道原题上也拿不到奖励，验证集与留出集之间的差距更符合小样本选择加噪声评判，而不是记忆。逐维度分解的文本反馈是增益能迁移的关键，把奖励压成单一标量后留出迁移转为负值。

反思式提示词进化被用来改写多智能体深度研究智能体的两个系统提示词，在训练、验证、测试主题完全不重叠的划分下，500个留出任务上的引用奖励从0.702升到0.781，提升0.079，三个随机种子均复现。获胜提示词按词数近一半是抄进提示词的训练答案，但对照实验显示这些内容即使在那24道原题上也拿不到奖励，验证集与留出集之间的差距更符合小样本选择加噪声评判，而不是记忆。逐维度分解的文本反馈是增益能迁移的关键，把奖励压成单一标量后留出迁移转为负值。