别提前停止：可控信息流与证据感知终止的大规模企业深度研究
计算与语言
2026-04-29 v1 软件工程
摘要
企业深度研究常因信息覆盖不均、上下文爆炸和过早终止而难以产出决策就绪报告。我们提出一种可扩展的企业深度研究（Enterprise Deep Research, EDR）架构以解决上述问题。该系统（i）通过纲要生成结合反思，将请求分解为覆盖导向的目标；（ii）采用依赖引导的执行与显式信息共享进行上下文局部化；（iii）实施基于证据的完成准则，使智能体在满足充分条件前不断迭代收集信息。我们在内部销售赋能任务和公开DeepResearch基准测试上进行评估，结果表明，我们提出的系统设计在与竞争性深度研究基线相比，实现了最强的整体性能。结果表明，受控上下文和显式证据充分性准则减少了过早停止，提高了企业研究产出的一致性和深度。
引用
@article{arxiv.2604.24978,
title = {Don\'t Stop Early: Scalable Enterprise Deep Research with Controlled Information Flow and Evidence-Aware Termination},
author = {Prafulla Kumar Choubey and Kung-Hsiang Huang and Pranav Narayanan Venkit and Jiaxin Zhang and Vaibhav Vats and Yu Li and Xiangyu Peng and Chien-Sheng Wu},
journal= {arXiv preprint arXiv:2604.24978},
year = {2026}
}
备注
ACL Industry 2026