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

AGI在今天是一个操作层面的问题。

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。