论文提出缺陷引导模糊测试框架EMBERS，用于检验深度研究系统鲁棒性。
资讯摘要
论文对三个代表性深度研究（DR）系统的1932条执行轨迹做实证分析，归纳出子问题构建、在线搜索与最终推理三个阶段的九类反复出现的缺陷，并提出缺陷引导的模糊测试框架EMBERS。作者报告，在16种框架—模型—数据集设置下，其失败发现吞吐量是最强基线的3.21倍，且多数生成输入保留原始信息需求与上下文约束。
要点速读
- 论文分析三个DR系统的1932条执行轨迹，识别出跨三个阶段的九类缺陷
- EMBERS从正确回答的种子问题出发，用缺陷引导变异、网络搜索辅助保真与多样性种子维护生成测试输入
- 作者报告在16种设置下失败发现吞吐量为最强基线的3.21倍，微调实验显示一致回答性能提升
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/5 08:00:38（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。