深度研究智能体在自动化知识发现中潜力巨大，但常因错误和幻觉导致输出不可靠，长任务中的人工监督成本高昂。一种名为DeepVerifier的新范式，通过在推理时引入验证机制，让智能体能自我修正并持续进化，为提升AI可靠性提供了全新思路，无需额外训练即可显著增强性能。
智能速览
深度研究智能体普遍面临错误与幻觉的可靠性挑战。
提出推理时验证新范式，让智能体无需训练即可自我进化。
DeepVerifier框架利用验证比生成更简单的非对称性原理。
通过标准驱动的反馈机制，驱动智能体迭代优化自身表现。
实验证实该方法能将智能体在部分任务上的准确率提升11%。
精华内容
DeepVerifier框架的巧妙之处在于，它不再局限于训练阶段的优化，而是将进化过程前置到推理环节。这如何实现？其核心在于一个分解、验证与评判的闭环系统。
问题所在
深度研究智能体（DRA）在处理复杂、长链路的知识发现任务时，展现出强大的自动化潜力。然而，其可靠性是实际应用的主要障碍。这些智能体时常会产生错误的动作或“幻觉”式的内容，导致最终输出的结果不可信。在需要长时间运行的任务中，持续的人工监督变得不切实际且成本高昂，因此，业界迫切需要一种能够自动化提升智能体可靠性的有效方法。
核心思路
该研究的核心思路打破了传统范式，将优化的重点从训练阶段转移到推理阶段。它基于一个关键洞察：验证一个答案的正确性，通常比从零开始生成一个正确的答案要简单得多。这种非对称性构成了新范式的基础。研究团队设计了一个名为DeepVerifier的框架，旨在利用这一原理，让智能体在执行任务的过程中，能够自我验证并不断进化，而无需进行额外的模型训练。
框架解析
DeepVerifier框架包含三个核心模块。首先是分解模块，它负责将复杂的验证任务拆解成一系列更简单、可管理的子任务。接着是验证模块，它会针对每个子任务去检索和验证信息。最后是评判模块，它根据预设的分类标准对验证结果进行打分，并生成具体的、可操作的反馈。这些反馈将直接驱动智能体进入下一轮迭代，修正之前的错误，从而实现性能的持续提升。
实测效果
为验证DeepVerifier的有效性，研究团队在GAIA和XBench-DeepSearch等多个权威数据集上进行了测试，并使用了Claude-3.7-Sonnet等先进模型作为基础。实验结果非常显著：DeepVerifier在验证任务上的F1分数实现了12%到48%的大幅提升。当该框架被集成到深度研究智能体中后，智能体在GAIA数据集子集上的任务准确率提高了8%至11%。值得注意的是，即使是开源模型，经过微调后也能从中获得显著的性能增益。
DeepVerifier为提升AI智能体的可靠性开辟了一条新路径，其推理时缩放的范式具有广阔的应用前景。未来，随着这种自我进化机制的成熟，我们是否将看到更多能独立完成复杂研究任务的智能体出现，从而真正解放人类生产力？
