arXiv cs.AI· Hongmin Li, Wanli Zhao·· 2026-10-01AI 评分35
科学搜索智能体在何处失效：基于决策检查点的暴露与检查审计
Where Scientific Search Agents Fail: Decision-Checkpoint Auditing of Exposure and Inspection Attempts
AI 导读
新研究提出决策检查点机制，通过记录推理时的观察与工具动作，审计科学搜索智能体在论文暴露与检查阶段的具体失效环节。在 540 道 AutoResearchBench Deep 问题测试中，关键词搜索准确率为 24.6%，高于原始搜索的 17.8%。read-first 策略的证据搜索调用量高出 27.4%，两者分别在 199 与 191 道题尝试检查目标，准确率均为 24.6%。
来源：arXiv cs.AI · arxiv.org