验证的推理时扩展：通过测试时量规引导验证实现自我进化的深度研究智能体

深度研究智能体（DRA）的最新进展正在改变自动化的知识发现与问题解决。虽然现有的大多数工作侧重于通过后训练来增强策略能力，但我们提出了一种替代范式：通过迭代验证策略模型的输出，并在精心设计的量规引导下，使智能体的能力自我进化。这种方法催生了验证的推理时扩展，其中智能体通过评估其生成的答案来产生迭代反馈和改进，从而实现自我提升。我们基于自动构建的DRA故障分类法推导出这些量规，该分类法系统地将智能体故障分为五大类和十三个子类。我们提出了DeepVerifier，这是一个基于量规的结果奖励验证器，它利用了验证的非对称性，在元评估F1分数上比普通的智能体作为评判和LLM评判基线高出12%-48%。为了实现实用的自我进化，DeepVerifier在测试时推理过程中作为一个即插即用的模块集成。该验证器产生详细的基于量规的反馈，并将其反馈给智能体进行迭代引导，从而在不进行额外训练的情况下优化响应。在强大的闭源LLM驱动下，这种测试时扩展在GAIA和XBench-DeepSearch的挑战性子集上带来了8%-11%的准确率提升。最后，为了支持开源进展，我们发布了DeepVerifier-4K，这是一个精心策划的监督微调数据集，包含4,646个专注于DRA验证的高质量智能体步骤。这些示例强调反思和自我批评，使开源模型能够发展出鲁棒的验证能力。