具备顺序计划反思与候选交叉的深度研究员（Deep Researcher Reflect Evolve）

本文提出一种新型深度研究员架构，旨在生成博士级复杂主题的详尽研究报告，以克服并行扩展范式的固有局限。该系统包含两大创新：基于反思的顺序研究计划精炼机制和候选交叉算法。前者通过维护集中化的全局研究上下文，使智能体能在运行时回溯进展、推理并动态调整研究计划；后者则利用多个参数各异的大语言模型候选者探索更广搜索空间，并融合其发现以生成高事实密度的统一报告。在DeepResearch Bench基准上，该架构以46.21分超越现有主流深度研究智能体，验证了顺序扩展范式优于并行自一致性方法。