Deep Research Agent 要稳定完成多工具协同,不能只依赖通用模型的原生 Function Calling。围绕 FC-SFT 冷启动链路,讲清种子数据构造、Teacher 轨迹生成、质量过滤、防遗忘混合训练和评估闭环。
横纵分析法是一套适合配合 Deep Research 使用的研究框架:纵向梳理对象的发展脉络,横向比较它在当下赛道里的位置,再把两条线交叉形成判断。适合快速研究产品、公司、技术概念和行业人物。
Deep Research 是一种面向复杂研究任务的 AI Agent 范式,它把任务规划、多轮检索、网页探索、证据整合和报告生成串成闭环。围绕 RAG 到 Deep Research 的演进、四大核心模块、评测方法、主流系统局限,以及结构化私域数据与公域信息融合的方案展开讲解。
Deep Research 是一种面向开放研究任务的智能体系统,核心能力是自主规划、生成检索问题、探索网页并产出带证据的报告。围绕系统架构、数据构造、奖励设计和强化学习训练流程,梳理从原型实现到可靠性优化的关键技术。
Deep Research 类智能体不能只靠“规划、检索、生成”拼报告。Google Deep Researcher 引入 Test-Time Diffusion,把报告草稿当作可迭代去噪的状态,用草稿反向指导检索,再通过报告级改写融合证据,从而改善长报告的一致性、结构和推理质量。