DRNOISE：在误导性证据环境中评估深度研究智能体

深度研究智能体常在开放网络中运行，面临冗余及误导性文档的挑战。本文提出 DRNOISE 基准，包含 100 个任务，旨在评估智能体在存在直接冲突的虚假证据时的答案恢复能力。实验显示，单一误导性文档导致准确率大幅下降 66-88%。轨迹分析表明，“验证惰性”是主要失败模式：智能体虽检索到真实记录，却未完成证据链的协调与 reconciling，转而采信看似直接的错误答案。研究表明，可靠的深度研究需超越简单的检索与引用，必须主动协调直接主张与底层证据。