迈向知识型深度研究：框架与基准

深度研究（Deep Research, DR）要求LLM智能体自主执行多步骤的信息获取、处理与推理，以生成综合性报告。与主要关注非结构化网页内容的现有研究不同，更具挑战性的DR任务还应利用结构化知识，以提供坚实的数据基础、支持定量计算并促成深入分析。在本文中，我们将这一新任务称为知识型深度研究（Knowledgeable Deep Research, KDR），它要求DR智能体同时利用结构化与非结构化知识生成报告。此外，我们提出混合知识分析框架（HKA），一种多智能体架构，能对两类知识进行推理，并将文本、图和表整合为连贯的多模态报告。其关键设计是结构化知识分析器（Structured Knowledge Analyzer），它同时利用编码模型与视觉-语言模型来生成图、表及相应洞见。为支持系统性评估，我们构建了KDR-Bench，覆盖9个领域，包含41个专家级问题，并纳入大量结构化知识资源（例如1,252张表）。我们进一步为每个问题标注主要结论与要点，并提出三类评估指标：通用型、知识中心型与视觉增强型。实验结果表明，HKA在通用型与知识中心型指标上持续优于大多数现有DR智能体，在视觉增强型指标上甚至超过Gemini DR智能体，凸显其在深度、结构感知的知识分析方面的有效性。最后，我们希望这项工作能成为DR智能体中结构化知识分析的新基础，并促进未来的多模态DR研究。