DuMate-DeepResearch：具有递归搜索的可审计多智能体系统

深度研究 (DR) 已成为一种新的代理范式，用于解决复杂的、开放式的研究任务，要求系统能够迭代地构建问题、获取证据、验证来源和合成长篇报告。然而，在实践中，当前的灾难恢复系统受到四个相互关联的限制：未指定范围内的长期规划、在单个代理内分解和调度此类任务的瓶颈、长形式合成中的幻觉风险以及有限的过程可审计性。本技术报告介绍了DuMate-DeepResearch，这是一个基于Qianfan Agent Foundry构建的多代理灾难恢复框架。该框架将处理任务理解、规划和调度的代理核心与用于检索、证据获取和报告呈现的可扩展工具生态系统解耦，使每个中间决策和工具调用都明确可追溯。在此基础设施的基础上，DuMate-DeepResearch进一步引入了三种机制：（i）基于图的动态规划策略将研究路线图从粗到细扩展，并通过反思、重新规划、回溯和并行分支不断对其进行修改； (ii) 递归两级执行设计将每个复杂的搜索子任务委托给内部搜索代理，该代理运行自己的规划循环，隔离嘈杂的检索并稳定长期执行； （iii）基于标题的测试时间优化机制动态生成特定于任务的质量标准，并将其用作基于证据的合成和自适应停止的实时推理支架。在两项深度研究基准测试中，DuMate-DeepResearch 建立了新的最先进结果：在 DeepResearch Bench 上获得最佳总分（58.03%），在 DeepResearch Bench II 上获得最佳总分（61.95%），同时在信息召回和分析方面排名第一。