什么时候该用 Deep Research，而不是普通 RAG？复杂问题怎么分级路由？
Deep Research 不是默认链路。先判断任务最低需要哪一级能力，再用路由评测集验证质量、等待时间和工具代价。
14 分钟阅读 · 30 秒回答 · 4 个连续追问
吴师兄大模型 · 项目面试题
Deep Research 项目面试题
围绕一个会规划、检索、阅读、校验并生成带引用报告的研究 Agent，深入练长任务设计、工具可靠性、训练方法和评估闭环。
25 道Deep Research项目面试题
Deep Research 拿到一个大问题后，怎么拆成能查证的子问题？
问题拆解不是列报告目录，而是为每项研究主张定义动作、证据和完成条件，并根据新证据增量调整计划。
14 分钟阅读 · 30 秒回答 · 4 个连续追问
Deep Research 为什么会一直搜索？什么时候该停？
最大步数只能防止程序失控。真正的停止机制要区分研究完成、无进展、风险中止和预算耗尽。
14 分钟阅读 · 30 秒回答 · 4 个连续追问
Deep Research 报告有引用就可信吗？多个来源互相矛盾怎么办？
引用不是报告末尾的链接列表。每个关键结论都要绑定原文、位置和适用条件，来源冲突先对齐口径再表达。
14 分钟阅读 · 30 秒回答 · 4 个连续追问
ReAct 为什么短任务好用，做长程研究却会越跑越乱？
ReAct 的循环适合短任务。长程研究的问题来自原始 Observation 持续累积、状态不清和错误沿轨迹传播。
14 分钟阅读 · 30 秒回答 · 4 个连续追问
IterResearch 的演进报告为什么不是普通摘要，怎样避免越改越错？
演进报告是驱动下一轮研究的受控状态，不是只追求简短和通顺的对话摘要。
15 分钟阅读 · 30 秒回答 · 4 个连续追问
ReSum 动态摘要怎样压缩长任务，又不把关键证据丢掉？
ReSum 用可控的信息损失换取长任务继续执行，质量关键在保护状态、保存证据和支持回滚。
15 分钟阅读 · 30 秒回答 · 4 个连续追问
Deep Research 并行任务怎么拆，依赖、尾延迟和综合成本怎样控制？
并行研究的关键不是多开 Agent，而是只并行无依赖单元，并控制尾部任务、共享工具与综合成本。
15 分钟阅读 · 30 秒回答 · 4 个连续追问
Deep Research 有 Search、Visit、Scholar 和 Python，Agent 怎样选对工具？
工具路由要根据当前证据缺口选择能力，并由程序检查前置条件、权限、参数和重复动作。
15 分钟阅读 · 30 秒回答 · 4 个连续追问
Function Calling 有了 JSON Schema，为什么工具参数还是会错？
JSON Schema 能提高结构稳定性，但业务语义、当前状态、权限和副作用仍需程序校验。
15 分钟阅读 · 30 秒回答 · 4 个连续追问
Search 超时、Visit 受限、Python 报错时，Deep Research 怎样继续而不乱答？
工具容错的目标不是永远返回文本，而是在失败时仍保持证据标准、状态可恢复和边界清楚。
15 分钟阅读 · 30 秒回答 · 4 个连续追问
缓存能省调用，为什么 Deep Research 反而可能拿旧资料回答“最新”？
缓存命中只说明旧结果可复用候选，不代表它仍满足当前任务的时间、权限和证据要求。
15 分钟阅读 · 30 秒回答 · 4 个连续追问
Deep Research 训练的种子问题从哪里来，怎样避免一开始就把数据做偏？
种子问题决定后续轨迹与训练分布，任何来源都要经过证据、合规、去重和难度验收。
15 分钟阅读 · 30 秒回答 · 4 个连续追问
简单问答怎样升级成真正需要多步研究的问题，又不把题目编坏？
复杂问答的难度来自不可省略的证据路径，而不是题目更长；每次变换后都要独立求解并重新验收。
16 分钟阅读 · 30 秒回答 · 4 个连续追问
Teacher 生成的 Agent 轨迹为什么不能直接拿去训练，怎样筛出高质量样本？
Teacher 只生成候选轨迹，工具观察、行动进展、证据答案与数据分布都要独立验证。
17 分钟阅读 · 30 秒回答 · 4 个连续追问
轨迹里工具返回为什么不能参与 Loss，Observation Mask 做错会怎样？
工具返回要作为上下文被模型看见，但不能成为模型的生成目标；Mask 必须在真实模板和 token 边界上验证。
16 分钟阅读 · 30 秒回答 · 4 个连续追问
首次 SFT 后格式稳定了，为什么工具选择和答案仍然不行？
格式稳定只说明冷启动开始生效，工具选择、证据利用和答案完整度仍需独立评测与补数。
16 分钟阅读 · 30 秒回答 · 4 个连续追问
训练数据里 Search 太多，为什么 Agent 遇到什么都想先搜？
工具偏置来自状态与动作边界失真，不能靠各工具数量相等解决，也不能预先承诺调比例后的收益。
17 分钟阅读 · 30 秒回答 · 4 个连续追问
Deep Research Agent 训练中，CPT、SFT 和 GRPO 应该怎样取舍？
CPT 注入行动偏置，SFT 建立可执行起点，GRPO 优化环境策略；是否进入每一阶段必须由能力缺口和验收证据决定。
17 分钟阅读 · 30 秒回答 · 4 个连续追问
GRPO 为什么同一道题要采样一组答案，组内相对优势到底怎么算？
GRPO 用同组 reward 统计替代可学习 value model，但学习质量完全依赖组内可比、reward 与环境可信。
17 分钟阅读 · 30 秒回答 · 4 个连续追问
长轨迹被截断就算失败吗，为什么这样做会把 Agent 训成提前乱答？
没有 final answer 只说明未完成；策略错误、环境失败、预算耗尽与技术截断必须分别处理。
17 分钟阅读 · 30 秒回答 · 4 个连续追问
Deep Research 一跑几分钟，为什么不能用普通同步接口硬等？
长任务需要把客户端连接、任务生命周期和模型工具资源解耦，并用持久化状态机管理恢复。
17 分钟阅读 · 30 秒回答 · 4 个连续追问
一次 Deep Research 到底花了多少钱，为什么只看总 Token 找不到成本黑洞？
成本必须落到任务、步骤、模型、工具、重试与结果质量，在线估算和真实账单也要分开。
17 分钟阅读 · 30 秒回答 · 4 个连续追问
Deep Research 评估为什么不能只看最终答案，过程合理又该怎么量？
最终答案和研究过程是两条独立证据，需要分层评估、共同归因，并防止效率与可读性掩盖事实错误。
17 分钟阅读 · 30 秒回答 · 4 个连续追问
LLM Judge 分数变高，为什么 Deep Research 可能反而更会刷分？
Judge 分数只表示符合当前评估器，必须用规则、换位、多 Judge、人工和独立 holdout 校准。
18 分钟阅读 · 30 秒回答 · 4 个连续追问