Le filThèmes : AgentsRechercheÉvaluations
LongCat-DeepResearch combine un modèle LongCat amélioré et un processus multi-agents pour rédiger des rapports
1 sourcemis à jour 30 sept.pertinence 3,1 sur5
L’essentiel
Des agents de planification affinent un plan nommé ResearchSpec, puis des agents de recherche rédigent les sections en parallèle. Le système obtient 55,25 sur DeepResearchBench et 79,83 sur ResearchRubrics.
Propagation1 article, publié par HF Daily Papers le 30 sept..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceMeituan LongCat Team, He Zhu, Yue Xu et al.huggingface.co
LongCat-DeepResearch Technical Report (site externe)
We present LongCat-DeepResearch, a deep research system that combines an enhanced LongCat model with a multi-agent workflow for producing comprehensive, evidence-grounded reports.
Sur les mêmes thèmes
Agents
SkillSeek montre que BM25 rivalise avec la recherche agentique de skills pour les agents
Agents
VeriHarness transforme le LLM d’un générateur en agent vérificateur pour les tâches longues
Agents
MILO fait évoluer des harnais d’agents et leur stratégie de recherche, et dépasse huit harnais de référence
Évaluations
Des chercheurs suggèrent que les modèles de langage tendent à présenter par défaut des récits de succès
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5