יום ראשון, 4 באוקטובר 2026 LIVE
AI־INFO

כתבה arXiv cs.AI ·

חיפוש צורות מסקנות: בדיקת הטיה בבחירת ראיות בסוכנים עמוקים

Search Shapes Conclusions: Auditing Evidence Selection Bias in Deep Research Agents
חוקרים פיתחו שיטה לבדיקת הטיה בבחירת ראיות בסוכנים עמוקים. השיטה, CESS, תוקנת את הביאס בבחירת הראיות ומסייעת להבטיח ייצוג נכון של הראיות. השיטה נבדקה על סוכנים ציבוריים והראתה תוצאים מבטיחים.
תקציר מקורי באנגליתarXiv:2609.39026v1 Announce Type: new Abstract: Deep Research agents synthesize evidence into cited reports, yet a well-cited report can still reach a misleading conclusion. Citation correctness checks whether cited sources support individual claims. It does not show whether adaptive search exposed a representative view of all documents made available for evaluation, which we call the candidate pool. Early findings redirect later queries, document choices, and stopping, so the documents an agent reads form a selective sample. Existing evaluations rarely account for this selection. We formulate the problem as adaptive evidence sampling and introduce Causal Evidence Selection Correction (CESS). CESS predicts each candidate document's evidence direction and corrects the candidate-pool average
קרא במקור המקורי