L'avancement rapide des grands modèles de langage (LLMs) a favorisé le développement de systèmes agents capables d'effectuer de manière autonome des tâches complexes. Malgré leurs capacités impressionnantes, les LLMs restent limités par leurs frontières de connaissances internes. Pour surmonter ces limitations, le paradigme de la recherche approfondie a été proposé, dans lequel les agents s'engagent activement dans la planification, la recherche et la synthèse afin de générer des rapports analytiques complets et fiables, fondés sur des preuves issues du web. Dans cette enquête, nous fournissons un aperçu systématique du processus de recherche approfondie, qui comprend quatre étapes principales : planification, élaboration des questions, exploration du web et génération de rapports. Pour chaque étape, nous analysons les principaux défis techniques et catégorisons les méthodes représentatives développées pour y répondre. De plus, nous résumons les avancées récentes en techniques d'optimisation et les benchmarks adaptés à la recherche approfondie. Enfin, nous discutons des défis ouverts et des directions prometteuses de recherche, visant à tracer une feuille de route pour construire des agents de recherche approfondie plus performants et fiables.
Building similarity graph...
Analyzing shared references across papers
Loading...
Wenlin Zhang
Xiaopeng Li
Yingyi Zhang
Building similarity graph...
Analyzing shared references across papers
Loading...
Zhang et al. (Mon,) ont étudié cette question.
www.synapsesocial.com/papers/68d913a34ddcf71ba560bb08 — DOI: https://doi.org/10.48550/arxiv.2508.12752
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: