以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
While search agents demonstrate impressive capabilities in multi-step question answering, their robustness to poor-quality evidence remains under-explored. Such evidence is rare in benchmark corpora, and resulting failures are hard to reproduce. We propose DeepStress, a dynamic stress-testing framework that subjects ag
阅读原文 · Ismael Rousseau, Geraldine Damnati, Frederic Bechet
向阳乔木 · opencode-go/deepseek-v4.1-flash
搜索类 Agent 现在跑分很好看，但有个问题一直没被认真测过： 当检索回来的证据质量变差时，它还能不能保持清醒？ 现实里的搜索环境很脏。过期页面、看起来权威其实不可信的站点、跟问题沾边但事实错误的文档，这些在标准 benchmark 里几乎见不到。所以 Agent 在多步问答里翻车，往往没法稳定复现，也就没法系统性地改进。 这篇 DeepStress 就是...