WebWeaver: Structuring Web-Scale Evidence with Dynamic Outlines for Open-Ended Deep Research
WebWeaver采用动态轮廓和双代理架构，有效提升开源深度研究的准确性和效率。
核心发现
方法论
WebWeaver通过引入两个协作代理——规划器和写作器，模仿人类研究流程。规划器在动态循环中交替进行证据采集与轮廓优化，生成基于引用的结构化轮廓，连接到证据存储库。写作器采用分层检索策略，针对每个章节只检索相关证据，逐步构建报告，解决长上下文和引证幻觉问题。该框架结合了ReAct机制，利用证据引用实现源可追溯性，优化了信息整合效率。
关键结果
- 在DeepResearch Bench、DeepConsult和DeepResearchGym三大基准测试中，WebWeaver均超越现有最优模型，平均得分提升至50.62（RACE）和78.25（FACT）， citation准确率达93.37%。在小模型微调方面，WebWeaver-3k数据集使得较小模型实现了接近大型模型的表现，验证了其高效的知识整合能力。
- 通过逐步轮廓优化和证据检索，显著缓解了长上下文信息遗失和幻觉问题，提升了报告的可信度和结构合理性。实验还显示，动态轮廓策略比静态轮廓和全量检索方案更具优势，尤其在多领域复杂任务中表现优异。
- 在多轮迭代中，模型展现出良好的适应性和探索能力，能自主识别知识空白区域，持续优化研究路径，体现出人类研究的思维特征。
研究意义
该研究突破了传统静态、单一流程的深度研究方法，提出以动态轮廓和双代理机制为核心的创新框架，有效解决信息冗余、幻觉和引用不准确等难题。其在学术和工业界具有广泛应用潜力，不仅提升了自动化科研报告的质量，也为未来自主知识探索提供了技术基础。通过模拟人类研究行为，推动AI在复杂认知任务中的应用边界，具有深远的理论和实践意义。
技术贡献
WebWeaver的核心技术在于引入动态轮廓优化机制和分层证据检索策略，结合ReAct框架实现证据的源可追溯性和高效整合。其创新点包括：1）多轮交互式证据采集与轮廓优化的闭环机制；2）基于引用的分层检索与写作流程，有效缓解长上下文限制；3）利用小模型微调生成高质量深度研究报告，降低门槛，拓展应用场景。这些技术显著优于传统静态流程和全量检索方法，提供了新的理论保证和工程实现路径。
新颖性
本研究首次提出将动态轮廓优化与分层证据检索相结合，模仿人类研究中的探索与总结过程，突破了以往静态轮廓和全量信息输入的限制。其创新在于通过持续反馈机制实现轮廓与证据的同步演化，显著提升了信息的相关性和报告的可信度。这一方法为开源深度研究提供了全新的思路，填补了长上下文管理和证据追溯的技术空白。
局限性
- 该框架在极端信息噪声或证据缺失场景下仍可能出现轮廓偏差或遗漏，影响报告质量。
- 多轮交互和证据检索带来较高的计算成本，尤其在大规模任务中，效率仍需优化。
- 模型对高质量证据的依赖较强，面对低质量或偏颇信息时，可能引入偏差。
未来方向
未来将探索更高效的多轮交互策略，提升模型在复杂环境下的适应性和鲁棒性。同时，计划引入多模态数据融合技术，丰富证据源，增强报告的多样性和深度。此外，将结合知识图谱和推理机制，进一步提升证据的逻辑一致性和推理能力，推动自主深度研究的智能化发展。
AI 总览摘要
WebWeaver创新性地引入动态轮廓和双代理架构，模仿人类研究行为，解决传统深度研究方法中的信息冗余和幻觉问题。其核心在于规划器在多轮交互中不断优化研究轮廓，结合证据采集，形成结构化、引用明确的研究蓝图。写作器则采用分层检索策略，逐步构建报告，确保信息相关性和源可追溯性。这一机制显著提升了报告的质量和可信度，在DeepResearch Bench等多个基准测试中刷新了SOTA纪录。实验结果显示，WebWeaver在复杂、多领域任务中表现优异，平均得分达50.62， citation准确率超过93%。此外，利用WebWeaver-3k数据集，小模型也实现了专家级表现，验证了其高效的知识整合能力。该框架不仅在学术界引起关注，也为工业界提供了自动化科研报告的技术方案。未来，结合多模态数据和知识推理，将进一步拓展其应用范围，推动AI自主深度研究的智能化发展。尽管如此，模型在极端噪声环境下仍需优化，计算成本较高，未来需在效率和鲁棒性方面持续改进。
深度分析
研究背景
深度研究领域经历了从静态信息检索到动态交互的演变。早期方法如基于关键词搜索，逐步发展出多轮对话和知识图谱技术。代表性工作包括GPT-3在文本生成中的应用，以及基于检索增强的生成模型如REALM和RAG。尽管取得一定成功，但仍面临信息碎片化、引用不准确和长上下文管理困难的问题。近年来，强调源可追溯性和结构化输出的研究逐渐增多，推动了更可信的科研报告生成技术。WebWeaver在此基础上，结合动态轮廓和多轮交互，进一步突破了信息冗余和幻觉的瓶颈，为自动化深度研究提供了新思路。
核心问题
现有深度研究系统多采用静态轮廓或全量信息输入，导致信息过载、幻觉频发和引用不准确的问题。静态轮廓无法适应新发现，动态信息难以有效整合，长上下文限制使得模型难以保持一致性。这些问题严重影响报告的可信度和实用性，限制了AI在复杂科研任务中的应用。解决方案需要动态调整研究策略，确保信息的相关性和源可追溯性，同时降低计算成本。
核心创新
WebWeaver的核心创新在于引入动态轮廓机制和多轮证据采集，模仿人类研究的探索-总结流程。具体包括：1）多轮交互式轮廓优化，持续调整研究方向；2）基于引用的分层检索，确保每个章节只使用相关证据；3）结合ReAct机制，实现证据采集与轮廓优化的闭环反馈。这些创新突破了静态流程的局限，显著提升信息的相关性和报告的可信度，为开源深度研究提供了新范式。
方法详解
- �� 规划器在多轮交互中执行三类动作：搜索、写轮廓、终止。搜索通过调用搜索引擎，筛选相关URL，提取摘要和证据，存入结构化存储库。写轮廓则基于证据和引用，优化研究蓝图，确保每节对应具体证据。• 写作阶段采用分层检索策略，针对每个章节只检索相关证据，结合内部推理，逐步构建报告内容。• 采用ReAct框架，结合思考、行动、观察机制，动态调整策略，确保信息的相关性和源可追溯性。• 通过多轮迭代，轮廓不断完善，直至满足研究需求。• 最终，写作器逐步生成完整报告，确保每个部分都基于可靠证据，减少幻觉和信息遗漏。
实验设计
在DeepResearch Bench、DeepConsult和DeepResearchGym三个基准上进行评估，采用RACE和FACT指标衡量报告质量和信息检索效果。模型配置包括Qwen3-235b、GPT-oss-120b等，比较静态轮廓、全量检索和WebWeaver的性能。通过 ablation 研究验证轮廓优化和分层检索的贡献。实验结果显示，WebWeaver在平均得分和引用准确率方面均优于对比模型，特别在多领域复杂任务中表现出色。模型在小规模微调后仍保持高性能，验证了其良好的迁移和泛化能力。
结果分析
WebWeaver在DeepResearch Bench中平均得分50.62，超越所有对比模型， citation准确率达93.37%。在DeepConsult中表现优异，胜率达66%，在DeepResearchGym中获得最高的整体质量评分。轮廓优化显著提升报告的结构合理性和信息相关性，分层检索有效缓解了长上下文问题。微调数据集WebWeaver-3k使小模型达到接近大模型的性能，验证了其知识整合和推理能力。整体来看，模型在多任务、多领域环境中表现出强大的适应性和稳定性。
应用场景
该技术可应用于学术科研自动化、政策报告生成、行业调研和知识管理等场景。研究人员可利用WebWeaver快速生成高质量文献综述，企业可实现智能化市场分析和竞争情报收集。未来，结合多模态数据和知识图谱，将进一步丰富证据源，提高报告的深度和广度。其自动化程度和可信度提升，有望推动科研、工业和教育等领域的智能化转型。
局限与展望
模型在极端噪声或虚假信息环境下仍可能出现偏差，证据质量直接影响报告可信度。多轮交互带来高计算成本，效率有待优化。对高质量证据的依赖使其在信息偏颇时易引入偏差。未来需改进鲁棒性、降低成本，并增强多模态融合能力，以应对更复杂的实际场景。
通俗解读 非专业人士也能看懂
想象你在做一份重要的报告，就像在厨房里准备一道复杂的菜肴。你不会一次性把所有食材都放进去，而是一步步挑选、准备每个部分。WebWeaver就像一个聪明的厨师，先不断试验和调整菜谱（轮廓），确保每个步骤都用到最合适的食材（证据），然后再逐步烹饪出完整的菜肴。它会不断检查和改进自己的计划，确保每个部分都合理、用料准确。这样做的好处是，菜肴既美味又有条理，不会遗漏重要的调料，也不会放错步骤。这个过程就像人类厨师一样，灵活应变，确保每个环节都完美。
简单解释 像给14岁少年讲一样
想象你在写一份超级详细的学校项目报告，但你不可能一下子把所有资料都放进去，因为会乱，也容易出错。你会先列个大纲，知道每一部分要讲什么，然后逐步去找资料，填充每个部分。WebWeaver就像一个聪明的助手，它会不断帮你调整大纲，确保每一部分都用到最相关的资料。它会一边查资料，一边改大纲，直到觉得内容完整又有条理。然后，它会专门去找每一段需要的资料，写出一份完整的报告。这个过程就像你在做拼图，一边拼一边调整，最后拼出一幅漂亮的画。这样既节省时间，又保证内容准确、结构清晰。
术语表
Dual-Agent Framework (双代理架构)
一种由两个协作的AI代理组成的系统，分别负责研究计划和报告写作，模仿人类研究流程。
论文中描述WebWeaver的核心结构，规划器和写作器的协作机制。
Dynamic Outline (动态轮廓)
不断优化和调整的研究蓝图，基于新证据实时更新，指导信息采集和写作。
用于实现研究路径的自适应和源可追溯的结构化报告。
Hierarchical Retrieval (分层检索)
根据轮廓中的引用，逐层检索相关证据，确保信息的相关性和精确性。
写作阶段的核心技术，缓解长上下文问题。
ReAct (思考-行动-观察机制)
一种多轮交互策略，结合思考、行动和观察，动态调整模型行为。
实现证据采集和轮廓优化的闭环反馈。
开放问题 这项研究留下的未解疑问
- 1 如何进一步降低多轮交互的计算成本，提升效率？
- 2 在极端虚假信息环境下，模型的鲁棒性如何增强？
- 3 多模态数据融合能否进一步提升证据的丰富性和准确性？
应用场景
近期应用
学术科研自动化
利用WebWeaver快速生成文献综述和研究报告，提升科研效率，减少人工偏差。
行业调研
企业可用其自动整合多源信息，生成市场分析和竞争情报报告，支持决策。
远期愿景
自主知识探索
未来AI能自主进行科学探索，发现新理论和技术，推动科技进步。
原文摘要
This paper tackles \textbf{open-ended deep research (OEDR)}, a complex challenge where AI agents must synthesize vast web-scale information into insightful reports. Current approaches are plagued by dual-fold limitations: static research pipelines that decouple planning from evidence acquisition and monolithic generation paradigms that include redundant, irrelevant evidence, suffering from hallucination issues and low citation accuracy. To address these challenges, we introduce \textbf{WebWeaver}, a novel dual-agent framework that emulates the human research process. The planner operates in a dynamic cycle, iteratively interleaving evidence acquisition with outline optimization to produce a comprehensive, citation-grounded outline linking to a memory bank of evidence. The writer then executes a hierarchical retrieval and writing process, composing the report section by section. By performing targeted retrieval of only the necessary evidence from the memory bank via citations for each part, it effectively mitigates long-context issues and citation hallucinations. Our framework establishes a new state-of-the-art across major OEDR benchmarks, including DeepResearch Bench, DeepConsult, and DeepResearchGym. These results validate our human-centric, iterative methodology, demonstrating that adaptive planning and focused synthesis are crucial for producing comprehensive, trusted, and well-structured reports.