arXiv：EMBERS 用缺陷引导模糊测试检验深度研究系统鲁棒性
原文标题：EMBERS: Empirically Motivated Robustness Testing of Deep Research Systems via Defect-Guided Fuzzing
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
研究基于 3 个代表性深度研究系统的 1932 条执行轨迹，归纳出子问题构建、在线搜索与最终推理三阶段的 9 类反复缺陷，并提出缺陷引导的模糊测试框架 EMBERS。在 16 种框架-模型-数据集组合下，其失败发现吞吐量达最强基线的 3.21 倍，且多数生成输入保留原始信息需求，微调实验显示可提升答案一致性。
- 问题
- 深度研究系统的多阶段执行存在内在鲁棒性缺陷，现有评估未充分覆盖。
- 方法
- 基于1932条执行轨迹归纳9类缺陷，提出缺陷引导的模糊测试框架EMBERS，做阶段定向变异。
- 结果
- 16种框架-模型-数据集组合下失败发现吞吐量达最强基线的3.21倍。
- 影响
- 为深度研究Agent提供可复用的鲁棒性测试方法，上线前应做阶段级缺陷注入测试。
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。