深度搜索如何评估信息充分性和可验证性，并建设埋点与评测集？

面向"深度搜索/研究型"需求(需要多步检索、综合、反思)，你会如何设计可量化的"信息充分性/可验证性"指标体系，并落到埋点与评测集?