AI论文精选
⏶3

企业深度研究：面向企业分析的可控多智能体深度研究

发表
由 taesiritaesiri 提交
作者: Akshara Prabhakar, Roshan Ram, Zixiang Chen, Silvio Savarese, Frank Wang, Caiming Xiong, Huan Wang, Weiran Yao

摘要

AI 生成总结
企业深度研究（EDR）是一个多智能体系统，通过集成专业智能体和工具来自动化报告生成和实时数据分析，在开放基准测试中优于现有的具身系统。
随着信息呈指数级增长，企业面临着将非结构化数据转化为连贯、可操作见解的日益增长的压力。虽然自主代理显示出潜力，但它们通常在领域特定细节、意图对齐和企业集成方面存在困难。我们提出了企业深度研究（EDR），一个多代理系统，集成了（1）一个用于自适应查询分解的主计划代理，（2）四个专业搜索代理（通用、学术、GitHub、LinkedIn），（3）一个支持NL2SQL、文件分析和企业工作流的可扩展MCP工具生态系统，（4）一个用于数据驱动见解的可视化代理，以及（5）一个检测知识差距并更新研究方向的反射机制，并可选地提供人工干预指导。这些组件能够实现自动报告生成、实时流式传输以及无缝的企业部署，并在内部数据集上得到了验证。在包括DeepResearch Bench和DeepConsult在内的开放式基准测试中，EDR在没有人工干预的情况下优于最先进的智能系统。我们发布了EDR框架和基准轨迹，以推动多代理推理应用的研究。 代码可在https://github.com/SalesforceAIResearch/enterprise-deep-research 找到，数据集可在https://huggingface.co/datasets/Salesforce/EDR-200 找到。
查看 arXiv 页面查看 PDF

评论

taesiritaesiri
论文提交者

随着信息呈指数级增长，企业面临着将非结构化数据转化为连贯、可操作的见解的巨大压力。尽管自主智能体显示出希望，但它们通常难以处理特定领域的细微差别、意图对齐和企业集成。我们提出了企业深度研究 (EDR)，这是一个多智能体系统，集成了 (1) 用于自适应查询分解的主规划智能体，(2) 四个专业的搜索智能体（通用、学术、GitHub、LinkedIn），(3) 一个支持 NL2SQL、文件分析和企业工作流的可扩展的 MCP 驱动的工具生态系统，(4) 一个用于数据驱动见解的可视化智能体，以及 (5) 一个检测知识差距并更新研究方向的反射机制，并提供可选的人工参与引导。这些组件实现了自动报告生成、实时流式传输和无缝企业部署，并在内部数据集上得到了验证。在包括 DeepResearch Bench 和 DeepConsult 在内的开放式基准测试中，EDR 在没有人工指导的情况下优于最先进的智能体系统。我们发布了 EDR 框架和基准轨迹，以推进多智能体推理应用的研究。