TL;DR
- PDF را مشاهده کنید چکیده:.
- با توجه به نیاز اطلاعاتی پیچیده کاربر،.
- یک سیستم چندعاملی Deep Research بهطور مکرر شواهد را در صدها سند برنامهریزی،.
چه اتفاقی افتاد
PDF را مشاهده کنید چکیده:. با توجه به نیاز اطلاعاتی پیچیده کاربر،.
یک سیستم چندعاملی Deep Research بهطور مکرر شواهد را در صدها سند برنامهریزی،. بازیابی و ترکیب میکند تا پاسخی با کیفیت بالا ارائه دهد.
در یک معماری ممکن،. یک عامل ارکستراتور فرآیند را هماهنگ میکند،.
در حالی که عوامل کارگر موازی وظایف را اجرا میکنند. با این حال،.
سیستمهای تحقیقاتی عمیق کنونی اغلب بر دستورالعملهای مهندسی شده دستی و معماریهای ثابت تکیه میکنند که باعث میشود. بهبود شکننده،.
پرهزینه و زمانبر باشد. بنابراین،.
ما روشهای مختلف بهینهسازی چندعاملی را بررسی میکنیم تا نشان دهیم که عوامل را قادر میسازد تا. خودبازی کنند و ترکیبهای سریع مختلف را کشف کنند،.
میتوانند سیستمهای Deep Research با کیفیت بالا را تولید کنند که با درخواستهای متخصص ساخته شده مطابقت داشته. باشند یا از آنها بهتر عمل کنند.
پذیرفته شده در کارگاه جستجوی مکالمه برای نیازهای اطلاعاتی پیچیده در ECIR 2026 بازیابی اطلاعات (cs. IR); هوش مصنوعی (cs.
AI) استناد بهعنوان: (یا v1 [cs. IR] برای این نسخه) https:.
// شده توسط arXiv از طریق DataCite (در انتظار ثبت نام) تاریخچه ارسال از:. Arthur Barbosa Câmara [مشاهده ایمیل] [v1] جمعه،.
3 آوریل 2026،. 11:.
48:. 38 UTC (1,.
318 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.