LongCat-DeepResearch 技术报告
TLDR
LongCat-DeepResearch 将增强版 LongCat 模型与多智能体工作流结合，生成有证据支撑的研究报告。
评分理由
The paper presents a clear system design with planning, parallel investigation, and section-level revision, supported by benchmark evaluations. Weaknesses include reliance on an in-house benchmark for ranking and mixed effects from planning refinement, limiting broader validation.
Read-first 评分解释
综合优先阅读分 53.5，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。 原始总分保留为 58。
研究版图角色
排序敏感性
稳定性：volatile；排名波动范围：44。
关键词评分
深度分析
创新点
- 将增强版 LongCat 模型与多智能体工作流相结合，用于生成有证据支撑的研究报告。
- 将全局规划与详细调研分离，并在章节层面协调修订。
- 使用多个规划智能体探索外部来源，并完善可执行的 ResearchSpec 计划。
- 研究智能体并行调研并起草各自负责的章节，随着分析推进在独立上下文中收集额外证据。
- 全局审查引导有针对性的局部修订，减少对反复重写整份报告的依赖。
- 该工作流支持为 LongCat 通用模型的中期训练和后训练构建研究任务与轨迹。
方法
LongCat-DeepResearch 使用多个规划智能体探索外部来源并完善 ResearchSpec 计划；随后，研究智能体并行起草各自负责的章节，并在独立上下文中收集额外证据。章节汇总后，全局审查指导有针对性的局部修订，而非反复重写整份报告。评估在 DeepResearchBench、DeepResearchBench II、ResearchRubrics 以及一个内部基准上进行。
关键结果
LongCat-DeepResearch 在 DeepResearchBench 上取得 55.25，在 DeepResearchBench II 上取得 51.35，在 ResearchRubrics 上取得 79.83；在一个内部基准上取得 76.04，在四个对比系统中排名第二。开发集分析显示，结合多种规划视角有收益，进一步细化规划效果混杂，额外编辑在两个基准上提升了平均自动可读性偏好，但在各基准上呈现不同趋势。
局限性
- 进一步细化规划的效果好坏参半。
- 额外编辑在两个基准上提升了平均自动可读性偏好，但在各基准上呈现不同趋势。