深度分析
MosaicLeaks 基準揭示研究代理人資訊外洩風險與 PA‑DR 隱私感知深度研究成效
研究代理人結合本地機密文件與網路搜尋，可能在查詢紀錄中拼湊出企業私密資訊。HuggingFace與ServiceNow提出MosaicLeaks基準，並以隱私感知深度研究（PA‑DR）強化學習框架，將泄漏率從34%降至約10%，同時提升鏈路成功率至58.7%。
深度分析
研究代理人結合本地機密文件與網路搜尋，可能在查詢紀錄中拼湊出企業私密資訊。HuggingFace與ServiceNow提出MosaicLeaks基準，並以隱私感知深度研究（PA‑DR）強化學習框架，將泄漏率從34%降至約10%，同時提升鏈路成功率至58.7%。
深度分析
隨著大型語言模型驅動的研究代理人從原型走向實務，現有文獻檢索僅提供抽象或平面引用，難以支援深度推理。Agents‑K1 以多模態解析、五層抽取與強化學習模型，將完整論文轉換為可查證的知識圖，並在 FrontierScience‑Research 基準將 Gemini‑3 正確率提升至 24.6%。此基礎設施有望重塑學術搜尋與 AI 研究流程。