现在
更新于 2026 年 7 月 19 日。以下问题仍在实现和评估中，暂时没有稳定结论。
Candidate 到 Read
产品链路已经切换到 Sparse-only Qdrant BM25。69 条冻结查询上的指定证据命中为 48/48，完整 Case 为 24/24，MRR 为 0.48019；76 篇广查询 p50 为 132.1 ms。MiniMax 实际运行中有 47/48 份所需证据进入候选，只读取 29/48。当前问题包括模型查询过宽、候选预算有限，以及 Agent 跳过已经 出现的准确位置。
Read 到 Cited 与 Outcome
Agent 读取原文后，仍可能遗漏必要事实、接受 Forbidden Paper、只引用比较中的一方，或在证据不足时 提交 answered。当前实验保持 Retriever、Prompt 和 Golden 输入不变，只调整子问题覆盖、阅读完成度、 Claim-to-Evidence 约束和提交前检查。
研究预算与问题复杂度
固定的模型调用和工具调用上限会浪费简单问题的预算，也会让复杂问题提前失败。预算分配需要利用 可观察的任务结构，同时保留现有 SDK Tool Loop，避免重新引入重型阶段状态机。
长研究回合的上下文
当前 Runner 会在每次模型调用时重放本轮已有的工具结果和被拒答案。宽范围研究会让 Prompt 增长得比 有效工作状态更快。上下文压缩方案仍处于设计阶段，目标是保留准确 Evidence、权限和完整运行记录， 只缩小模型下一轮需要看到的投影。
Trace 与 Runtime 的边界
原始事件需要支持离线重算指标，在线 Recorder 只记录事实。事实记录、派生分析和产品可见进度仍需 保持明确边界，避免 Recorder 演变成第二套运行时。
从真实 Run 生成训练数据
当前 Eval Capture 已保存 Model Transport、Tool Arguments、Internal / Visible Result、Authorization State、Evidence、Validation Failure、Token 与 Latency。进入训练前还需要 Quality Gate、Privacy / License Filter 和 Split Isolation。训练输入只使用经过验证的 Observable Trajectory，不包含 Hidden Chain-of-thought。