WebWeaver: 用于开放式深度研究的动态提纲结构化网页规模证据
计算与语言
2025-10-08 v3
摘要
本文针对开放式深度研究 (OEDR) 这一复杂挑战，旨在解决 AI 智能体将海量网页规模信息综合为有洞察力报告的难题。当前方法存在双重局限：静态研究管道将规划与证据获取脱钩，单一生成范式则包含冗余、无关证据，导致幻觉问题和低引用准确率。为此，我们引入 WebWeaver，一种新型双智能体框架，模拟人类研究过程。规划器在动态循环中，交替进行证据获取与提纲优化，以生成全面、以引用为依据的提纲，并链接到证据存储库。随后，作家执行分层检索与写作过程，逐章节地撰写报告。通过针对每个部分仅从证据存储库中进行针对性检索（通过引用），有效缓解了长上下文问题和引用幻觉。我们的框架在 DeepResearch Bench、DeepConsult 和 DeepResearchGym 等主要 OEDR 基准测试上建立了新的最先进纪录。这些结果验证了我们人类导向、迭代的方法，表明自适应规划和聚焦综合对于生成全面、可信赖且结构完整的报告至关重要。
引用
@article{arxiv.2509.13312,
title = {WebWeaver: Structuring Web-Scale Evidence with Dynamic Outlines for Open-Ended Deep Research},
author = {Zijian Li and Xin Guan and Bo Zhang and Shen Huang and Houquan Zhou and Shaopeng Lai and Ming Yan and Yong Jiang and Pengjun Xie and Fei Huang and Jun Zhang and Jingren Zhou},
journal= {arXiv preprint arXiv:2509.13312},
year = {2025}
}
备注
An agent system for open-ended deep research