Yunque DeepResearch 技术报告
计算与语言
2026-01-28 v1
摘要
深度研究已成为自主智能体的变革性能力，使大型语言模型能够导航复杂的、开放性的任务。然而，要实现其潜力的充分发挥，仍受到关键限制，包括在长程任务中上下文噪声的不断攀升、脆弱性导致的级联错误，以及缺乏模块化可扩展性。为应对这些挑战，我们引入了 Yunque DeepResearch，一个具有层次结构、模块化和鲁棒性的框架。该架构由三个关键组件构成：(1) 集中式的多智能体编排系统，将子任务路由到原子能力池中包含工具和专门子智能体的数据集；(2) 动态上下文管理机制，将已完成的子目标结构化为语义摘要，以缓解信息过载；(3) 主动监督模块，通过主动异常检测和上下文修剪确保系统鲁棒性。Yunque DeepResearch 在 GAIA、BrowseComp、BrowseComp-ZH 和 Humanity's Last Exam 等多个智能体深度研究基准测试上实现了最先进的性能。我们开源了该框架、可复现的实现以及应用案例，以赋能社区。
引用
@article{arxiv.2601.19578,
title = {Yunque DeepResearch Technical Report},
author = {Yuxuan Cai and Xinyi Lai and Peng Yuan and Weiting Liu and Huajian Li and Mingda Li and Xinghua Wang and Shengxie Zheng and Yanchao Hao and Yuyang Yin and Zheng Wei},
journal= {arXiv preprint arXiv:2601.19578},
year = {2026}
}