DeepResearch 与许多 AI 驱动的系统一样，由于依赖训练数据质量、上下文理解和实时验证，在准确性方面存在局限性。首先，其输出严重依赖于其训练数据。如果训练数据包含偏见、漏洞或不准确之处，系统可能会重现这些问题。例如，如果一个医学查询依赖于过时的研究，DeepResearch 可能会提供与当前最佳实践冲突的建议。此外，模棱两可或细微的问题可能导致过于简化的答案，尤其是在法律或伦理等复杂领域，这些领域的上下文对正确性影响很大。
另一个关键限制是系统无法根据实际世界的变化动态验证事实。例如，如果新的研究推翻了一个广泛接受的科学理论，DeepResearch 可能不会立即纳入这一更新，除非其训练数据得到刷新。这种滞后可能导致过时或误导性的响应。此外，该系统难以应对“对抗性”输入——即为利用系统弱点而故意设计的误导性提示。例如，用户可能以某种方式措辞查询，从而诱使模型支持阴谋论，即使底层数据与此矛盾。这些情况凸显了系统的鲁棒性不足。
为了应对错误信息，DeepResearch 采用了多种策略。首先，它交叉引用高置信度的来源（例如，同行评审期刊、信誉良好的数据库）来优先获取可靠信息。对于有争议的话题，它可能会呈现相互冲突的观点并标记有争议的说法。其次，用户反馈循环允许开发人员识别和纠正错误——例如，如果用户报告 COVID-19 治疗建议不准确，团队可以利用更新的数据重新训练模型。最后，整合外部事实核查 API 或对敏感话题进行人工审核，增加了一层验证。虽然并非万无一失，但这些步骤旨在平衡其输出的速度和可靠性。