VeriTrace：为深度研究智能体演化心智模型

深度研究人员面临着大量、相互依赖且普遍不确定的信息。现有系统探索不断演变的中间表示应该是什么样子，但将其演变留给大语言模型的隐式推理。如果没有明确的监管，中间层很容易受到混合质量信息的污染，并沿着其依赖关系传播错误，因此模型规模通常最终会取代监管的缺失。我们认为，智能体的心理模型应该通过明确的反馈来发展，不断地将任务理解与现实结合起来，并确定三个调节循环：解释更新、偏差反馈和模式修订。我们在 VeriTrace 中实现了这一点，这是一个显式实现三个循环的认知图框架。使用匹配的 Qwen3.5-27B 主干网，VeriTrace 在 DeepResearch Bench (DRB) Insight 上比最强匹配基线提高了 4.22 个百分点（总体 1.49 个百分点），在 DeepConsult 上的总体胜率提高了 5.9 个百分点。借助Config-DeepSeek，它在DRB上实现了最强的可重现开源结果。