Mr.LHDR：多模态真实世界长程深度研究智能体基准
原文标题：Mr.LHDR: A Benchmark for Multimodal Real-World Long-Horizon Deep Research Agents
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文推出Mr.LHDR基准，用于评估跨八类、长且不可约的相互依赖证据链上的真实深度研究能力。每个问题由隐藏的节点关系图构建，平均需要12.1个必要中间结论、依赖深度10.4，并包含图像、地图、PDF、图表、表格和视频帧等多模态证据。评测显示最强系统仅达43.1%总体准确率和34.3%严格准确率，移除图像使DACS下降12.6分，表明持续且依赖一致的证据整合是当前深度研究智能体的关键瓶颈。
- 问题
- 现有基准只测中等长度探索，无法检验智能体能否维持长且强依赖的证据链研究。
- 方法
- 用隐藏节点关系图构造跨八类问题，平均需12.1个中间结论、依赖深度10.4，并混入图像、地图、PDF、图表、视频帧等多模态证据。
- 结果
- 最强系统仅43.1%总体准确率、34.3%严格准确率；移除图像使DACS下降12.6分。
- 影响
- 深度研究产品的最终答案准确率会高估真实能力，工程上必须评估中间结论与依赖一致性。
深读 · 结论先行AI 生成展开看要点与影响 ↓
Mr.LHDR基准：最强系统仅43.1%总体准确率、34.3%严格准确率，长依赖证据链是瓶颈
- •覆盖八类问题，由隐藏节点关系图构建，平均需12.1个必要中间结论、依赖深度10.4
- •证据含图像、地图、PDF、图表、表格与视频帧，至少一个非文本元素改变推理状态
- •同时评最终答案与标注依赖下的中间结论正确性（OA/SA/CS/DACS四项指标）
- •移除图像使DACS下降12.6分，说明多模态证据不可或缺
为什么重要：现有基准多测中程探索，这条把「长且不可约的依赖链」变成可量化短板，对深度研究智能体的能力宣称是一记校准。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。