跳到正文
arXiv · NLP· Jun Nie, Zhiqin Yang, Zhenheng Tang, Yonggang Zhang, Xiaowen Chu, Xinmei Tian, Bo Han·· 2026-10-14AI 评分35

DRNOISE:误导性证据环境下深度研究智能体基准测试

DRNOISE: Benchmarking Deep Research Agents in Misleading Evidence Environments

AI 导读

论文发布 DRNOISE 基准,包含 100 个任务,用于评估深度研究智能体在误导性证据下的表现。 该基准在搜索环境中植入误导性文档,导致强模型准确率下降 66 至 88 个百分点。分析显示智能体存在验证惰性,通用验证提示词无法完全消除这一差距。 这表明可靠研究需主动调和解耦直接声明与底层证据。

来源:arXiv · NLP · arxiv.org