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。
Complex documents such as scientific papers contain rich information in tables, figures, and equations; however, existing deep research (DR) agents typically reduce papers to OCR-extracted text. We instead ask whether vision-language models (VLMs) can enable page-native deep research: directly retrieving and reasoning
阅读原文 · Tiansheng Hu, Yichuan Wang, James V. Talwar, Nicholas Tomlin, Chen Zhao, Sewon Min
向阳乔木 · opencode-go/deepseek-v4.1-flash
复杂文档里的信息，很多藏在表格、图、公式里。现有深度研究智能体通常先把论文 OCR 成纯文本，再检索、再推理。这篇论文问了一个很直接的问题： 能不能跳过 OCR，直接拿渲染后的页面图像做检索和推理？ 答案是能，而且效果更好。作者提出 DR Pixel，一个用页面图像作为唯一检索与推理单元的端到端多模态深度研究智能体，语料是 106 万页。更关键的是， 不训练...