用户提问模糊，深度研究智能体为何失灵？

深度研究智能体（Deep Research Agents, DRAs）能进行长程推理、搜索和文献综合，为复杂领域问题提供长文答案。然而，这些智能体通常是在完全明确的用户查询上训练和评估的，而现实中的用户提问往往模糊不清。一项新研究通过 UNDERSPEC-DR 框架系统评估了查询模糊性对智能体最终答案质量和中间搜索行为的影响，揭示了当前 DRAs 的脆弱性。

模糊查询如何削弱答案质量

研究团队在三个 DRAs 上进行了评估，发现当用户查询存在欠规范（underspecification）时，智能体答案满足用户信息需求的程度显著下降。尽管答案仍然有引用证据支撑，看似“有据可依”，但实际并未切中用户真实意图。这意味着，答案的“接地性”（groundedness）并不能保证其有用性——智能体可能给出一个证据充分却答非所问的回复。

这一发现对实际应用提出了警示：用户往往不会像 benchmark 中那样提供完整、精确的查询，而智能体在模糊输入下的表现远未达到可靠水平。

接地性（groundedness） 是评估检索增强或工具调用型系统时常用的指标，指生成内容能否被外部证据（如检索到的网页、文档片段）直接支持。它衡量的是“答案是否有据”，而非“答案是否有用”。一个回复可以每条论断都附有真实引用，却整体答非所问——例如用户问的是“A 场景下该选哪种方案”，智能体却围绕相邻的 B 场景堆砌证据。这种“有据但无用”的失败模式说明，接地性只是答案质量的一个必要而非充分条件，评估 DRAs 时需要把“是否满足用户信息需求”与“是否有引用支撑”分开度量。

搜索行为的变化：更广但更偏离

为了解释答案质量下降的原因，研究者分析了智能体的中间搜索行为。结果显示，面对模糊查询时，DRAs 会进行更广泛的搜索，但这些搜索对原始用户查询的依赖减少，而更多依赖模型在训练中学到的先验知识。这种先验可能与用户真实意图不一致，导致搜索方向偏离。

换句话说，智能体在不确定时倾向于“自由发挥”，而不是主动澄清或收敛搜索范围。这种策略在训练分布内可能有效，但在真实场景中容易放大误解。

欠规范查询（underspecified query） 指用户未给出完成任务所必需的约束条件的提问，例如缺少时间范围、地域、目标受众、比较维度或期望输出形式。它与“歧义”（一个词有多种含义）不同：欠规范查询的每个词都清晰，但整体信息不足以唯一确定一个答案。现实中的用户提问普遍带有这种特征，而多数 benchmark 通过人工补全或模板化构造出完整查询，从而系统性地高估了智能体的实际可靠性。识别欠规范通常需要判断“要回答这个问题，还缺哪些关键槽位”，这也是主动澄清能力的前提。

对构建更可靠 DRAs 的启示

该研究指出，未来需要构建能够主动识别何时需要额外用户输入的 DRAs。与其在模糊查询上强行生成答案，智能体应学会在必要时向用户请求澄清，或通过交互式提问缩小范围。这要求智能体具备对自身不确定性的感知能力，以及在长程任务中动态调整搜索策略的机制。

UNDERSPEC-DR 框架为系统评估查询模糊性的影响提供了工具，也为后续研究指明了方向：让深度研究智能体在真实、不完美的用户输入下依然可靠。

主动澄清（clarification-seeking） 在人机交互与对话系统中指系统在信息不足时暂停执行、向用户提出针对性问题以补全关键约束，而不是凭猜测继续。对长程研究型智能体而言，这一能力尤其重要：搜索与综合的每一步都会放大早期误解，越晚澄清纠正成本越高。实现主动澄清一般需要三个环节——检测不确定性（判断当前查询是否缺少决定性信息）、生成高信息量的提问（一次问出最能缩小答案空间的关键槽位）、以及根据回答动态修订搜索计划。相关研究还关注澄清的时机与成本权衡：过度提问会打断用户，完全不问则退化为猜测，因此需要可校准的置信度估计来触发提问。

关键要点

• 查询模糊性显著降低 DRAs 答案满足用户信息需求的程度，即使答案仍有引用支撑。
• 模糊查询导致智能体搜索更广泛但更依赖训练先验，偏离用户意图。
• 未来 DRAs 需具备主动请求澄清的能力，以应对真实场景中的欠规范查询。