शोधकर्ताओं ने Analogical Deep Research (ADR) पेश किया, एक नया कार्य और बेंचमार्क (ADR-bench) जो इस बात का परीक्षण करने के लिए डिज़ाइन किया गया है कि क्या Large Language Model एजेंट्स भविष्यसूचना विश्लेषण के लिए ऐतिहासिक उपमाओं को प्रभावी ढंग से पुनः प्राप्त और एकीकृत कर सकते हैं। अध्ययन में पहचाना गया है कि वर्तमान एजेंट्स संघर्ष करते हैं क्योंकि वे सतही विशेषताओं का मिलान करते हैं न कि अंतर्निहित कारण तंत्रों का।
इसका समाधान करने के लिए, लेखकों ने Causal Analogical Researcher (CANA) प्रस्तावित किया, एक एजेंटिक फ्रेमवर्क जो उपमाओं के बीच तंत्रों को संरेखित करने के लिए संरचनात्मक विघटन और फीडबैक का उपयोग करता है। CANA ऐतिहासिक उपमा जनरेशन में 10% तक की सुधार प्राप्त करता है और ADR-bench पर state-of-the-art गहन शोध एजेंट्स को पार कर जाता है।
चल रहे घटनाओं से जुड़े केस स्टडीज़ CANA की सटीक भविष्यसूचना विश्लेषण के लिए ऐतिहासिक उपमाओं का लाभ उठाने में प्रभावकारिता की पुष्टि करते हैं।