纽约大学论文指出深度研究Agent存在“平滑化”偏差：将冲突证据压缩为单一叙事，使结论强于证据支持。在7个系统、4个数据集上的测试显示，各系统至少25%的结论存在实质平滑，其中Gemini Deep Research严重平滑率最高，Luna与Sol最干净。部分Agent极少打开引用页面，仅依赖搜索摘录；将相关证据回喂修订可显著提升专家评分。