WebWeaver: Structuring Web-Scale Evidence with Dynamic Outlines for Open-Ended Deep Research

一、文章主要内容总结

本文聚焦开放式深度研究（OEDR） 这一复杂任务——要求AI智能体整合海量网络级信息生成有洞察力的报告，针对现有方法存在的“静态研究流程割裂规划与证据获取”“一次性生成易出现‘中间遗忘’和幻觉”两大核心缺陷，提出了WebWeaver双智能体框架，并通过实验验证其性能优势，具体内容如下：

1. 研究背景与现有方法局限

• OEDR任务特点：无标准答案，需独立处理超100个网页/PDF信息，生成包含独特观点的详细报告，当前多数智能体在DeepResearch Bench、DeepConsult等基准测试中表现不佳。
• 现有方法分类及缺陷：
  • 专有方案（如OpenAI DeepResearch、Gemini DeepResearch）：API成本高、配额受限，阻碍普及与学术研究。
  • 开源方案：
    • “先搜索后生成”（如Tao et al., 2025）：无指导大纲，输出质量低、逻辑混乱。
    • “先静态大纲后定向搜索”（如Han et al., 2025）：大纲依赖LL