arXiv cs.CL· Meilin Chen, Hongyuan Bao·· 9 天前AI 评分27
增量式开放式深度研究（Incremental-OEDR）与 Structured Harness 框架
Incremental Open-Ended Deep Research with Structured Harness
AI 导读
研究者提出 Incremental-OEDR 研究设定与 Structured Harness 框架，将研究报告视为可演进的研究状态，通过结构化检索、持久化证据池和结构化生成实现报告的增量更新与证据复用。
正文 · AI 翻译
摘要：现有的开放式深度研究（OEDR）系统主要从零开始生成报告，这使得它们在需要随着新信息出现而持续维护研究报告的场景中效率低下。我们提出了\textbf{增量式开放式深度研究（Incremental-OEDR）}，这是一种将报告视为不断演进的研究状态的研究设定，通过保留有效知识、修订过时或不完整的内容并纳入新获得的信息来增量更新报告。为支持这一设定，我们提出了\textbf{结构化框架（Structured Harness）}，它将报告表示为大纲、章节和支持性证据的结构化集合，并提供结构化检索、持久化结构化证据池以及结构化生成，以实现选择性报告更新和证据复用。我们进一步建立了一个跨越十年的时间评估框架，包含\emph{单步任务}和\emph{长链任务}，以评估单个转换和长期更新链上的增量更新。在开源配置（OC）和专有配置（PC）下，在 DeepResearch Bench 和 DeepConsult 上进行的大量实验表明，Incremental-OEDR 在保持有竞争力的报告质量的同时，显著提高了报告连续性并降低了研究成本。如图~\ref{fig:profile} 所示，在 DeepResearch Bench 上，与 OEDR 相比，它实现了高达 0.51 的内容级 ROUGE-L F1 提升、0.63 的大纲级 EM F1 提升、33\% 的 token 消耗降低以及 61\% 的搜索调用减少。更多详情，请参阅我们的项目页面：this https URL。
| 学科： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.11566 [cs.CL] |
| （或 arXiv:2610.11566v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.11566 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Meilin Chen [查看邮箱]
[v1]
2026年10月8日星期四 09:24:56 UTC（1,093 KB）
来源：arXiv cs.CL · arxiv.org