匹配正文：…计算结果还是失败状态，不能全部当成同一种 Observation。第七层，研究状态根据新增证据更新，并决定继续、换工具或结束。 Deep Research 工具路由与执行链路模型提出调用，策略和网关负责把不安全、不合法或无意义的动作挡在执行前。模型路由、规则路由还是混合路由？纯模型路由灵活。它能理解自然语言和开放任务，遇到新情况时不必预先写完所有分支。但模型可能忽略前置条件、生成不存在的工具或在相似工具之间摇摆。纯规则路由稳定。例如“有 URL 且要核正文就 V…

#Deep Research#研究工具与稳定性#Deep Research 工具路由

面试题·Agent

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？

匹配正文：…、模糊范围、真实约束和用户经常追问的内容，这些往往不是专家会主动写出的标准题。但日志不是天然高质量数据。一些问题本来就不适合 Deep Research，只需直接回答或一次检索；一些问题依赖用户私有上下文，脱离会话后无法理解；一些问题可能含姓名、账号、合同、公司内部信息和敏感业务。日志进入候选池前，要先确认使用授权、脱敏规则和保留期限。随后做会话补全、意图聚类、噪声过滤和人工抽检。脱敏不能只用正则删除号码。替换实体后还要检查问题是否仍然成立，是否因为删除上下文变成不可…

#Deep Research#数据构造与训练#Deep Research 种子数据

希望老师帮你把学习与项目串起来？

了解 AI 全栈 1v1 陪跑营的项目安排、导师答疑与简历面试辅导。

查看课程安排 →咨询学习安排

学习内容与项目面试，在同一条路上。

站内 RAG 在线实战

面试题

Agent

Deep Research Agent 训练中，CPT、SFT 和 GRPO 应该怎样取舍？

匹配正文：…程任务，模型可能继续照搬固定路径。它知道“标准答案长什么样”，却不知道哪条行动更好，也没有在环境反馈中练过取舍。相关训练材料把 Deep Research Agent 的训练拆成三层：Agentic CPT 注入 Agent 相关偏置，SFT 冷启动学习协议与基本轨迹，GRPO 再在环境反馈中优化策略。这三个阶段分别解决不同问题，不能因为名词热门就机械拼成一条训练流水线。所以面试官真正想问的是： CPT、SFT 和 GRPO 各自改变什么，为什么顺序通常这样安排，阶段之…

#Deep Research#数据构造与训练#Deep Research 多阶段训练

面试题·Agent

Deep Research 评估为什么不能只看最终答案，过程合理又该怎么量？

匹配正文：…过程可靠。它可能凭预训练记忆猜中答案，也可能只看搜索摘要，碰巧没有犯错。换一个日期、对象或来源，捷径就会失效。反过来，一条轨迹工具选择合理、引用完整，也可能因为网页更新、计算错误或遗漏子问题，最终报告仍然不合格。 Deep Research 是开放任务，又是多步骤过程。只看最终文本，会把“蒙对”当能力；只看步骤，又可能忽略交付结果。相关评估材料明确把质量拆成结果与过程两个层面，并要求准确、引用、报告质量和效率共同观察。所以面试官真正想问的是：结果质量和过程质量分别评…

#Deep Research#上线成本与评估#Deep Research 评估

面试题·Agent

首次 SFT 后格式稳定了，为什么工具选择和答案仍然不行？

匹配标题与标签：首次 SFT 后格式稳定了，为什么工具选择和答案仍然不行？基于 187 条样本、1 个 epoch 和 10 个用例的首次记录，拆解 Deep Research SFT 的格式、策略与答案能力边界。 Agent Deep Research 数据构造与训练 Deep Research SFT Agent SFT 冷启动工具选择训练 Agent 训练复盘 Deep Research 面试题

#Deep Research#数据构造与训练#Deep Research SFT

面试题·Agent

训练数据里 Search 太多，为什么 Agent 遇到什么都想先搜？

匹配标题与标签：训练数据里 Search 太多，为什么 Agent 遇到什么都想先搜？从首次训练偏 Search 的观察出发，讲清 Deep Research 工具选择偏置的条件分布、成对数据、归因与小批验证。 Agent Deep Research 数据构造与训练 Deep Research 工具选择 Agent 数据偏置工具调用训练数据默认 Search Deep Research 面试题

#Deep Research#数据构造与训练#Deep Research 工具选择

面试题·Agent

Function Calling 有了 JSON Schema，为什么工具参数还是会错？

匹配标题与标签：…力边界、分层参数校验、错误修复、权限安全、提示注入和版本回归出发，讲清 Function Calling 工程实现。 Agent Deep Research 研究工具与稳定性 Function Calling 参数校验 JSON Schema 工具调用 Agent Tool Calling 工具调用安全 Agent 面试题

#Deep Research#研究工具与稳定性#Function Calling 参数校验

面试题·Agent

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？

匹配正文：做 Deep Research 训练数据时，常见做法是把一批研究问题交给更强的 Teacher 模型，让它使用 Search、Visit、学术检索或计算工具完成任务，再把过程保存下来训练较小模型。听起来像是把“优秀学生的解题过程”交给另一个学生模仿。问题在于，Teacher 更强不等于每次都对。它可能调用格式正确，却选错工具；可能访问了很多页面，却没有推进任务；也可能在工具失败后自行补出一段观察，最后写出一篇流畅但证据对不上的答案。如果这些轨迹未经验证就进入训练，学生模…

#Deep Research#数据构造与训练#Deep Research 轨迹生成

面试题·Agent

轨迹里工具返回为什么不能参与 Loss，Observation Mask 做错会怎样？

匹配正文：…、广告、导航、错误页和不可信文本。把它们都当模型正确输出，会弱化“环境内容只是证据候选”的边界。第四个问题是损失被长返回主导。 Deep Research 的网页片段往往远长于一个工具调用。即使每个 token 权重相同，大量 observation token 也会在总 loss 中占据主要部分，真正要学的工具参数和答案反而信号更弱。第五个问题是评估错觉。训练 loss 下降，可能只是模型更会复述重复出现的工具返回，并不代表工具选择、停止条件和答案证据有改善。 Los…

#Deep Research#数据构造与训练#Observation Loss Mask

面试题·Agent

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？

匹配正文：…时应同时观察组内 reward 分布、有效组比例、轨迹差异和单位有效信号成本。截断轨迹为什么是 Agent GRPO 的大坑？ Deep Research 轨迹长，可能经过多次搜索、访问、计算和摘要。若达到最大长度时还没有 final answer，系统通常给出低 reward。但“没做完”不等于“做错了”。它可能前面的工具选择和证据收集都合理，只是预算不足。如果这些轨迹一律得到强负优势，模型可能学到一个危险捷径：尽早输出任意答案，避免被截断。训练材料明确提醒，截断…

#Deep Research#数据构造与训练#Deep Research GRPO

面试题·Agent

复杂任务一定要拆成多 Agent 吗？单 Agent 与多 Agent 怎么选

匹配正文：…幂等、并发、背压、版本兼容和 Trace 都比单循环更多。如果方案评审只写收益不写这些成本，通常说明设计仍停留在概念层。一个 Deep Research 任务怎样判断是否拆分假设任务是“围绕一个技术主题检索资料、识别冲突、形成带引用报告”。先做单 Agent 基线：同一角色规划子问题，调用搜索和访问工具，整理证据并写报告。记录工具选择错误、上下文长度、引用遗漏、失败恢复和人工纠错。如果主要问题是搜索工具太多，可以先做工具路由，不一定拆角色。如果主要问题是原始网页占上…

#Agent#多智能体与评估#单 Agent 和多 Agent 区别

面试题·Agent· 字节

AI Agent 趋势与挑战怎么破?

匹配正文：…MetaGPT、CrewAI等框架兴起，角色分工+通信协议成为关键垂直领域深化：代码生成（Devin）、科研辅助（OpenAI Deep Research）、游戏NPC等场景专用化 2. 技术进展亮点模块关键进展规划从CoT到ToT（思维树），再到基于LLM的MCTS搜索记忆短期工作记忆（上下文压缩）+ 长期向量记忆 + 知识图谱结构化记忆工具调用 Function Calling标准化，MCP协议推动工具生态互通安全沙箱执行、权限分级、人机协同确认机制 …

#字节#百度#Agent