Deep Research 團隊：Agent 的終極形態是所有任務 All-in-one

AGI在今天是一個操作層面的問題。

原標題：Deep Research 團隊：Agent 的終極形態是所有任務 All-in-one
文章來源：智猩猩GenAI
內容字數：12392字

2025中國生成式AI大會預告及OpenAI Deep Research深度解析

本文總結了2025中國生成式AI大會（北京站）的預告信息以及對OpenAI Deep Research的詳細解讀，主要內容來自Sequoia Capital對OpenAI Deep Research負責人Isa Fulford和Josh Tobin的專訪。

1. 大會預告及Deep Research介紹

2025年4月1日至2日，2025中國生成式AI大會（北京站）將舉行，聚焦生成式AI應用、大模型等前沿技術。本文同時介紹了OpenAI的第二個Agent——Deep Research，它能夠在5-30分鐘內完成全面的在線研究并生成詳細報告，其能力遠超普通AI搜索和ChatGPT。

2. Deep Research的起源與技術細節

Deep Research源于OpenAI內部對模型處理長期任務能力的探索。最初由Isa Fulford和Yash Patil合作完成demo，Josh Tobin隨后加入并領導Agents產品研究團隊。其核心技術在于端到端訓練，使得模型能夠靈活應對實時網頁信息，并根據信息及時調整策略，展現出強大的創造性搜索能力。Deep Research采用O3模型作為引擎，并通過清晰的引用和思維鏈(CoT)增強用戶信任，還設計了澄清流程(clarification flow)確保任務理解的一致性。

3. Deep Research與AI搜索的差異

Deep Research的優勢在于端到端訓練，使其在響應信息和解決問題時比其他AI搜索產品更靈活和更有創意。其他AI搜索產品并非端到端訓練，缺乏Deep Research的靈活性和創造性。 Deep Research的能力源于實時訪問網頁內容和CoT的結合，而非單一因素。

4. Deep Research的優勢和局限性

Deep Research擅長收集和整合信息，尤其在查找特定和冷門信息方面表現出色，例如長尾內容或冷門節目的細節。然而，其從已有信息中提煉新見解的能力較弱，尚無法做出新的科學發現。

5. Deep Research的使用場景

Deep Research的目標用戶是從事知識性工作的個人和專業人士。其應用場景廣泛，包括：醫療（查找疾病文獻和病例）、投資（研究初創公司）、公司經營（品牌名稱和域名注冊查詢）、購物（產品信息對比和評論收集）、旅行（規劃行程和查找餐廳）、編程（代碼搜索和編寫）、個性化教育（主題學習和知識整理）等。

6. Deep Research的未來發展方向

OpenAI計劃未來改進Deep Research，使其能夠嵌入圖像和圖表，擴展數據源（包括私人數據），提升信息準確性和瀏覽分析能力。 OpenAI的目標是將Deep Research整合到更廣泛的Agent路線圖中，并通過RL調優來構建更強大的Agent，最終實現更自然地將網絡搜索、計算機使用和其他任務整合到一個終極Agent中。

7. Agent和RL的未來展望

OpenAI的專家認為，Agent將在2025年嶄露頭角，強化學習(RL)將發揮重要作用。 他們認為，預訓練的大型語言模型為RL提供了堅實的基礎，使得根據用戶定義的獎勵函數來調整模型成為可能，從而構建更強大的Agent，并為用戶節省大量時間。

聯系作者

文章來源：智猩猩GenAI
作者微信：
作者簡介：智猩猩旗下賬號，專注于生成式人工智能，主要分享技術文章、論文成果與產品信息。