Deep Research 团队:Agent 的终极形态是所有任务 All-in-one

AIGC动态1个月前发布 智猩猩GenAI
282 0 0

AGI在今天是一个操作层面的问题。

Deep Research 团队:Agent 的终极形态是所有任务 All-in-one

原标题:Deep Research 团队:Agent 的终极形态是所有任务 All-in-one
文章来源:智猩猩GenAI
内容字数:12392字

2025中国生成式AI大会预告及OpenAI Deep Research深度解析

本文总结了2025中国生成式AI大会(北京站)的预告信息以及对OpenAI Deep Research的详细解读,主要内容来自Sequoia Capital对OpenAI Deep Research负责人Isa Fulford和Josh Tobin的专访。

1. 大会预告及Deep Research介绍

2025年4月1日至2日,2025中国生成式AI大会(北京站)将举行,聚焦生成式AI应用、大模型等前沿技术。本文同时介绍了OpenAI的第二个Agent——Deep Research,它能够在5-30分钟内完成全面的在线研究并生成详细报告,其能力远超普通AI搜索和ChatGPT

2. Deep Research的起源与技术细节

Deep Research源于OpenAI内部对模型处理长期任务能力的探索。最初由Isa Fulford和Yash Patil合作完成demo,Josh Tobin随后加入并领导Agents产品研究团队。其核心技术在于端到端训练,使得模型能够灵活应对实时网页信息,并根据信息及时调整策略,展现出强大的创造性搜索能力。Deep Research采用O3模型作为引擎,并通过清晰的引用和思维链(CoT)增强用户信任,还设计了澄清流程(clarification flow)确保任务理解的一致性。

3. Deep Research与AI搜索的差异

Deep Research的优势在于端到端训练,使其在响应信息和解决问题时比其他AI搜索产品更灵活和更有创意。其他AI搜索产品并非端到端训练,缺乏Deep Research的灵活性和创造性。 Deep Research的能力源于实时访问网页内容和CoT的结合,而非单一因素。

4. Deep Research的优势和局限性

Deep Research擅长收集和整合信息,尤其在查找特定和冷门信息方面表现出色,例如长尾内容或冷门节目的细节。然而,其从已有信息中提炼新见解的能力较弱,尚无法做出新的科学发现。

5. Deep Research的使用场景

Deep Research的目标用户是从事知识性工作的个人和专业人士。其应用场景广泛,包括:医疗(查找疾病文献和病例)、投资(研究初创公司)、公司经营(品牌名称和域名注册查询)、购物(产品信息对比和评论收集)、旅行(规划行程和查找餐厅)、编程(代码搜索和编写)、个性化教育(主题学习和知识整理)等。

6. Deep Research的未来发展方向

OpenAI计划未来改进Deep Research,使其能够嵌入图像和图表,扩展数据源(包括私人数据),提升信息准确性和浏览分析能力。 OpenAI的目标是将Deep Research整合到更广泛的Agent路线图中,并通过RL调优来构建更强大的Agent,最终实现更自然地将网络搜索、计算机使用和其他任务整合到一个终极Agent中。

7. Agent和RL的未来展望

OpenAI的专家认为,Agent将在2025年崭露头角,强化学习(RL)将发挥重要作用。 他们认为,预训练的大型语言模型为RL提供了坚实的基础,使得根据用户定义的奖励函数来调整模型成为可能,从而构建更强大的Agent,并为用户节省大量时间。


联系作者

文章来源:智猩猩GenAI
作者微信:
作者简介:智猩猩旗下账号,专注于生成式人工智能,主要分享技术文章、论文成果与产品信息。

阅读原文
© 版权声明
Trae官网

相关文章

Trae官网

暂无评论

暂无评论...