每經(jīng)編輯 畢陸名

當?shù)貢r間周日（2月2日），OpenAI發(fā)布了一款名為“深層研究”（deep research）的功能，并上傳了演示視頻。

圖片來源：OpenAI官網(wǎng)截圖

OpenAI在官網(wǎng)寫道，這項代理功能使用推理綜合大量線上信息，并為用戶完成多步驟研究任務。簡單來說，就是“深層研究”可以從互聯(lián)網(wǎng)上收集信息，并將其合成為簡明的報告。

“深度研究可以獨立為您工作：您給它一個提示，ChatGPT就會查找、分析和綜合數(shù)百個在線資源，以“研究分析師的水平”創(chuàng)建一份綜合報告。它將由OpenAI o3的一個版本提供支持，該模型針對網(wǎng)頁瀏覽和數(shù)據(jù)分析進行了優(yōu)化，可利用推理來搜索、解釋和分析網(wǎng)上大量文本、圖像和PDF，并根據(jù)信息做出必要的調(diào)整。”

OpenAI聲稱，deep research“只需數(shù)十分鐘就能完成人類需要數(shù)小時才能完成的工作。”首席產(chǎn)品官Kevin Weil也提到，它完成的任務對人類來說可能需要30分鐘到30天不等。

官網(wǎng)貼出了一些使用deep research的案例，比如讓ChatGPT找出過去10年GDP排名前10的發(fā)達國家和前10的發(fā)展中國家的iOS和安卓普及率，并將這些信息繪制在一個表格中。

另外，還可以通過三個電視劇片段找出劇集的名字，統(tǒng)計NFL（美國國家橄欖球聯(lián)盟）踢球手的平均退役年齡，提供滑雪板的購買建議，以及醫(yī)學研究、UX設計等更專業(yè)的領(lǐng)域。

GPT-4o與deep research對比

OpenAI稱，deep research是為從事金融、科學、公共政策、工程等領(lǐng)域知識密集型工作并需要全面、精確和可靠研究的人員而打造的。目前，該功能已可供Pro用戶使用。

官網(wǎng)提到，支持deep research的模型在一項覆蓋100多個學科的專家級測試中，以26.6%的準確率創(chuàng)下了新高。

Deep Research是基于OpenAI的o3模型之上開發(fā)而成的，并針對多種特定任務進行了深度優(yōu)化和精調(diào)。

端到端強化學習是Deep Research的關(guān)鍵所在。傳統(tǒng)的機器學習方法在處理復雜任務時，往往需要人為地劃分多個階段進行訓練和優(yōu)化，而端到端強化學習則讓模型從輸入到輸出進行整體的學習和優(yōu)化。

圖片來源：視頻截圖

Deep Research通過這種學習方式，學會了規(guī)劃和執(zhí)行多步驟的研究軌跡。在面對一個復雜的研究課題時，它能夠像人類研究者一樣，制定出合理的研究計劃，先確定從哪些渠道獲取信息，然后根據(jù)獲取到的信息進行分析，判斷下一步的研究方向。

如果在研究過程中發(fā)現(xiàn)之前的計劃存在偏差，它還能像經(jīng)驗豐富的研究者一樣進行回溯，重新調(diào)整研究策略，確保最終能得到準確且有價值的結(jié)果。

在這個學習過程中，模型不斷地與環(huán)境進行交互，從環(huán)境反饋中學習最優(yōu)的行為策略。在瀏覽網(wǎng)頁獲取信息時，模型會根據(jù)網(wǎng)頁內(nèi)容的相關(guān)性、可信度等因素，決定是否深入瀏覽該網(wǎng)頁，以及如何提取其中有用的信息。

這種基于實時信息進行決策和調(diào)整的能力，是Deep Research能夠高效完成復雜研究任務的重要保障。

除了端到端強化學習，去除模型的響應限制也是Deep Research的重要技術(shù)突破。傳統(tǒng)的大模型為了追求快速響應，往往在處理復雜問題時只能淺嘗輒止，無法進行深入的思考和分析。

Deep Research打破了這一限制，允許模型花費5—30分鐘甚至更長時間來處理問題。這使得模型有足夠的時間對海量的網(wǎng)絡信息進行篩選、分析和整合，從而能夠輸出更加全面、深入、準確的研究成果。

例如，在進行市場調(diào)研類任務時，模型可以花費足夠的時間去收集不同地區(qū)、不同時間段的市場數(shù)據(jù)，對市場趨勢進行更精準的預測；在學術(shù)研究領(lǐng)域，它能夠深入研讀大量的文獻資料，挖掘出不同研究之間的潛在聯(lián)系，為科研工作者提供更具價值的研究思路。

每日經(jīng)濟新聞綜合OpenAI官網(wǎng)

免責聲明：本文內(nèi)容與數(shù)據(jù)僅供參考，不構(gòu)成投資建議，使用前請核實。據(jù)此操作，風險自擔。

封面圖片來源：每日經(jīng)濟新聞