Deep Research: агент OpenAI для глубокого поиска и анализа информации 192

Openai недавно представил Deep Research — агентский продукт, ориентированный на глубокие исследования, призванный помочь пользователям в выполнении сложных информационных запросов и анализа. Deep Research способен самостоятельно находить, анализировать и синтезировать информацию из сети, предоставляя всесторонние исследовательские отчёты и ключевые выводы.

Функции и применение Deep Research

• Интеграция информации: способен собирать информацию из множества источников и объединять её в понятные отчёты.

• Анализ в реальном времени: пользователи могут проводить тематические исследования в реальном времени, получая актуальную информацию и данные.

• Универсальность применения: этот инструмент подходит для финансов, науки, политики, инженерии и многих других областей, особенно для специалистов, которым необходима углублённая интеллектуальная работа.

Технические особенности Deep Research

Сквозное обучение с подкреплением

• Deep Research использует технологию сквозного обучения с подкреплением, позволяющую модели оптимизировать весь процесс от ввода до вывода.

• Взаимодействуя со средой, модель способна планировать и выполнять многоэтапные исследовательские траектории, а при обнаружении отклонений возвращаться и корректировать стратегию, обеспечивая точность результатов.

Многоэтапное рассуждение и динамическая адаптация

• Deep Research способен, подобно человеку-исследователю, составлять план исследования и поэтапно разбивать сложные задачи.

• Например, при анализе рыночных тенденций модель сначала получает первичную информацию с помощью поиска по ключевым словам, затем ищет отраслевые отчёты, статистические данные и т. д., сравнивает и анализирует информацию из разных источников, после чего формирует комплексный отчёт.

• По мере обнаружения новой информации модель корректирует свой план, чтобы обеспечить полноту и точность результатов.

Преодоление ограничения времени отклика

• В отличие от традиционных моделей, стремящихся к быстрому отклику, Deep Research позволяет модели тратить от 5 до 30 минут и даже больше на обработку запроса.

• Такая задержка — не недостаток, а признак зрелости модели. Благодаря глубокому анализу огромных объёмов информации модель выдаёт более полные и точные результаты исследования.

Модульная архитектура

• Deep Research состоит из нескольких модулей, включая модули поиска информации, синтеза информации, рассуждения и вывода.

• Модуль поиска информации способен быстро находить академические базы данных, сайты научных учреждений и т. д., предоставляя обширный материал для последующего анализа.

• Модуль синтеза информации отвечает за объединение информации, модуль рассуждения выполняет логические выводы, а модуль вывода формирует отчёт.

Сценарии применения Deep Research

Маркетинговые и академические исследования

• Deep Research демонстрирует отличные результаты в области маркетинговых и академических исследований.

• Например, он может собирать рыночные данные по различным регионам и временным периодам для прогнозирования рыночных тенденций; в академических исследованиях способен глубоко изучать литературу, выявлять потенциальные связи между различными работами и предлагать исследователям ценные идеи.

Потребительские решения и персональные рекомендации

• Для товаров, требующих тщательного изучения (автомобили, бытовая техника, мебель и т. д.), Deep Research способен формировать высокоперсонализированные рекомендательные отчёты.

• Анализируя потребности пользователя и рыночные данные, он предоставляет детальные рекомендации по покупке.

Автоматизация сложных задач

• Пользователю достаточно предоставить запрос, и Deep Research найдёт, проанализирует и объединит сотни онлайн-источников, формируя комплексный отчёт на уровне исследователя-аналитика.

• Например, он может составить отчёт о конкурентах и рынке или помочь найти сериал, название которого пользователь забыл, но помнит содержание определённой серии.

Производительность и результаты тестов

Результаты «Итогового экзамена человечества»

• В «Итоговом экзамене человечества», опубликованном Центром безопасности и масштабирования ИИ, Deep Research достиг точности 26,6%, значительно превзойдя другие известные модели (например, DeepSeek-R1 с 9,4% и o3-mini high с 13%).

• Этот тест включает более 3000 вопросов с множественным выбором и задач с кратким ответом, охватывающих более 100 дисциплин — от лингвистики до ракетостроения, от классической филологии до экологии.

Результаты теста GAIA

• На бенчмарке GAIA Deep Research установил новые высоты на всех трёх уровнях сложности, достигнув результата 72,57, превысив предыдущий лучший метод (63,64).

• Эти задачи требуют от модели способности к рассуждению, мультимодальной беглости, веб-браузингу и использованию инструментов.

Внутренние бенчмарки и экспертные оценки

• Внутренние тесты OpenAI показали, что Deep Research способен выполнять задачи, на которые у экспертов уходят несколько часов.

• Например, в финансах, науке и инженерии модель получила высокую оценку профильных специалистов.

Как пользоваться Deep Research?

Права доступа пользователей

• В настоящее время Deep Research доступен только пользователям ChatGPT Pro, с лимитом до 100 запросов в месяц.

• Далее доступ получат пользователи Plus и Team, а затем — корпоративные пользователи.

Порядок действий

• В ChatGPT выберите Deep Research в «message composer» и введите запрос.

• Сообщите ChatGPT, что вам нужно, — будь то конкурентный анализ стриминговых платформ или персональный отчёт о лучшем маршруте для поездки на работу.

• Можно даже прикрепить файлы или электронные таблицы, добавив контекст к вопросу.

• После запуска в боковой панели будут отображаться предпринятые шаги и краткое описание использованных источников.

• Deep Research может потребоваться от 5 до 30 минут для выполнения работы; пользователь может отойти или заняться другими задачами — по завершении придёт уведомление.

• Итоговый результат появится в чате в виде отчёта. В ближайшие недели OpenAI также добавит в эти отчёты встроенные изображения, визуализацию данных и другие аналитические материалы для более наглядного представления и контекста.

Сравнение с GPT-4o

Оперативность

GPT-4o лучше подходит для мультимодального диалога в реальном времени, тогда как Deep Research требует больше времени для выполнения глубоких и детализированных многоэтапных исследовательских задач.

Комплексные возможности

• Deep Research способен проводить обширный поиск и ссылаться на каждый сделанный тезис, что делает его подходящим для запросов, требующих глубины и детализации в различных аспектах и предметных областях.

• GPT-4o демонстрирует впечатляющие способности в программировании, математике и других технических областях, однако многие реальные задачи требуют сбора обширного контекста и информации из разнообразных онлайн-источников — и здесь сильной стороной является Deep Research.

Подробнее: https://openai.com/index/introducing-deep-research/