《Quantifying Claim Smoothing by LLM Research Agents》量化研究 Agent 的结论平滑化

论文提出 SmoothScore，用于衡量研究 Agent 是否把冲突或范围有限的证据压缩成过度确定的结论。实验覆盖 7 个系统和 4 个数据集，发现各系统至少 25% 的结论达到 SmoothScore ≥ 3；将检索证据反馈给 Agent 后，Luna 与 Claude Sonnet 5 在 ResearcherBench 上分别提升 4.4 分和 12.0 分。