Search Shapes Conclusions: Auditing Evidence Selection Bias in Deep Research Agents

CESS 将 deep-research 的文档阅读视为自适应抽样，利用每份候选的证据方向、入选概率和搜索轮次修正候选池平均结论，并对不可抽样部分输出区间。MS2 系统综述上，候选池方向误差下降 9.2%，面对相反文档排序时估计变化下降 39.4%；公开 Open Deep Research 轨迹分别达到 60.1% 和 87.2%。论文明确区分“还原可用文档总体”与“测量某个搜索政策的因果影响”，后者必须靠配对干预。