PANINI-DR：让深度研究智能体拥有可验证的共享工作区

导语

深度研究并不只是让模型多搜索几次。面对需要多步检索、推理和计算的问题，系统必须决定先解决哪些子问题，保存中间结论，并在错误扩散之前检查证据是否真的支持这些结论。PANINI-DR 的核心思路，是把研究过程从一次性生成答案，转变为一个可持续维护、可回溯和可验证的调查流程。

核心做法

PANINI-DR 是一个多智能体研究框架，将整体协调与具体研究任务分开。协调角色负责拆解调查目标、管理任务之间的依赖，并根据已有发现安排下一步工作；研究角色则分别处理单个子问题；验证角色独立检查候选答案是否回应了原问题，以及引用的证据是否足以支撑结论。

这些活动通过 Generative Semantic Workspace 连接起来。工作区并非只保存最终文本，而是记录子问题、依赖关系、研究发现和支持证据。新的发现可以被后续任务调用，验证反馈也能够推动系统重新调查尚未解决或证据不足的部分。这样一来，研究状态不会随着模型调用结束而丢失，错误也更容易被定位在具体环节。

实验结果

论文在 BrowseComp-Plus、FRAMES 和 MoNaCo 上测试 PANINI-DR，并与七种深度研究框架比较。所有系统使用相同的语言模型骨干和冻结语料，以减少模型能力和外部数据差异带来的影响。

在 BrowseComp-Plus 上，PANINI-DR 的准确率达到 73.3%，比第二名高 16 个百分点。面对高难度问题时，它答对了 50 道中的 26 道，接近下一名系统的两倍。不过，这种提升伴随着更高的推理成本，因此结果并不意味着简单增加智能体数量就能获得同样收益。

消融实验进一步表明，结构化规划和持久化状态都能改善表现；如果在每条发现被重新使用前检查其引用证据，效果还会继续提升。研究者还评估了系统保存的证据能否恢复最终答案。PANINI-DR 在三个基准上都取得了最高的答案可恢复性，补充性的主张支持审计也显示，其答案更充分地建立在研究证据之上。

意义与局限

PANINI-DR 的价值不只是提高答题准确率，更在于把“答案正确”和“答案有依据”区分开来。对于需要审计、复查或多人协作的研究任务，结构化工作区可以提供清晰的中间状态，降低模型凭记忆给出正确答案却无法说明依据的风险。

但该方法也带来额外的规划、验证和推理开销。基准测试结果说明，受控流程在复杂问题上更有优势，实际部署时仍需在成本、延迟、证据完整性与任务难度之间做取舍。总体而言，PANINI-DR 展示了一条重要方向：未来的研究智能体不仅要会搜索和生成，还要能管理状态、维护依赖，并持续证明自己的结论来自哪里。

来源：Hugging Face Daily Papers