Deep Research του Gemini

Ένα agentic σύστημα

Για να δημιουργήσουμε το Deep Research, αναπτύξαμε ένα νέο σύστημα σχεδιασμού που επιτρέπει στην εφαρμογή Gemini να επεξεργάζεται σύνθετα προβλήματα. Για το Deep Research, εκπαιδεύσαμε τα μοντέλα του Gemini, έτσι ώστε να έχουν τις εξής δυνατότητες:

• Ανάλυση του προβλήματος: Όταν λαμβάνει ένα σύνθετο ερώτημα χρήστη, το σύστημα αρχικά δημιουργεί ένα λεπτομερές πρόγραμμα έρευνας, αναλύοντας το πρόβλημα σε μια σειρά μικρότερων, διαχειρίσιμων δευτερευουσών εργασιών. Εσείς ελέγχετε το πρόγραμμα: Το Gemini θα σας παρουσιάσει το πρόγραμμα και εσείς μπορείτε να το συγκεκριμενοποιήσετε, ώστε να διασφαλίσετε ότι εστιάζει στους κατάλληλους τομείς.

• Έρευνα: Το μοντέλο επιβλέπει την εκτέλεση του προγράμματος και προσδιορίζει με ευφυή τρόπο ποιες δευτερεύουσες εργασίες μπορεί να επεξεργαστεί ταυτόχρονα και ποιες πρέπει να επεξεργαστεί διαδοχικά. Το μοντέλο μπορεί να χρησιμοποιήσει εργαλεία όπως η αναζήτηση και η περιήγηση στον ιστό, για να λάβει πληροφορίες και τη λογική πίσω από αυτές. Σε κάθε βήμα, το μοντέλο αναλύει τις διαθέσιμες πληροφορίες, ώστε να αποφασίσει για το επόμενο βήμα του. Παρουσιάσαμε ένα πλαίσιο συλλογιστικής για τους χρήστες, ώστε να παρακολουθούν αυτά που έχει μάθει το μοντέλο μέχρι τη δεδομένη στιγμή και τι σκοπεύει να κάνει στη συνέχεια.

• Σύνθεση: Όταν το μοντέλο προσδιορίσει ότι έχει συγκεντρώσει αρκετές πληροφορίες, συνθέτει τα ευρήματα σε μια ολοκληρωμένη αναφορά. Κατά τη δημιουργία της αναφοράς, το Gemini πραγματοποιεί μια κριτική αξιολόγηση των πληροφοριών, εντοπίζει σημαντικά θέματα και ασυνέπειες και δομεί την αναφορά με λογικό και κατατοπιστικό τρόπο. Επιπλέον, επαναλαμβάνει πολλές φορές την κριτική αξιολόγηση της αναφοράς που δημιουργεί, για να βελτιώσει τη σαφήνεια και τις λεπτομέρειες.

Νέα κατηγορία, νέα προβλήματα, νέες λύσεις

Κατά τη δημιουργία του Deep Research, έπρεπε να αντιμετωπίσουμε τρεις σημαντικές τεχνικές προκλήσεις:

Σχεδιασμός πολλών βημάτων

Οι εργασίες έρευνας απαιτούν πολλά βήματα επαναλαμβανόμενου σχεδιασμού. Σε κάθε βήμα, το μοντέλο πρέπει να βασιστεί στις πληροφορίες που έχει συγκεντρώσει μέχρι τη δεδομένη στιγμή και, στη συνέχεια, να εντοπίσει τις πληροφορίες που λείπουν και τις αποκλίσεις που θέλει να εξερευνήσει, ισορροπώντας ταυτόχρονα την περιεκτική φύση των πληροφοριών με τον χρόνο αναμονής υπολογισμού και χρήστη. Η εκπαίδευση του μοντέλου ώστε να είναι αποδοτικό στον σχεδιασμό πολλών βημάτων σε ό,τι τα δεδομένα μας έχει επιτρέψει να σχεδιάσουμε το Deep Research, έτσι ώστε να λειτουργεί σε ένα ανοιχτό πλαίσιο που καλύπτει όλα τα θέματα.

Εξαγωγή συμπερασμάτων μακράς εκτέλεσης

Μια συνηθισμένη εργασία του Deep Research περιλαμβάνει πολλές κλήσεις μοντέλων σε ένα διάστημα αρκετών λεπτών. Αυτό δημιουργεί μια πρόκληση για τη δημιουργία πρακτόρων: Θα πρέπει να προβλέπεται κατά τη δημιουργία τους ότι, η ύπαρξη μιας μεμονωμένης αποτυχίας, δεν θα επιβάλει την επανέναρξη της εργασίας από την αρχή.

Για να αντιμετωπίσουμε αυτό το πρόβλημα, αναπτύξαμε ένα καινοτόμο εργαλείο ασύγχρονης διαχείρισης εργασιών που διατηρεί μια κοινόχρηστη κατάσταση μεταξύ του σχεδιαστή και των μοντέλων εργασιών, επιτρέποντας την αποκατάσταση σφάλματος χωρίς να απαιτείται επανεκκίνηση ολόκληρης της εργασίας. Αυτό το σύστημα έχει πραγματικά ασύγχρονη λειτουργία: μπορείτε να μεταβείτε σε μια διαφορετική εφαρμογή ή να απενεργοποιήσετε τον υπολογιστή σας μετά την έναρξη του έργου Deep Research και, την επόμενη φορά που θα επισκεφτείτε το Gemini, θα ειδοποιηθείτε όταν η έρευνά σας ολοκληρωθεί.

Διαχείριση περιβάλλοντος

Κατά τη διάρκεια μιας περιόδου λειτουργίας έρευνας, το Gemini μπορεί να επεξεργαστεί εκατοντάδες σελίδες περιεχομένου. Για να υπάρχει μια συνέχεια και να παρέχεται η δυνατότητα υποβολής επιπλέον ερωτημάτων, χρησιμοποιούμε το κορυφαίο στον κλάδο context window 1 εκατομμυρίου token του Gemini, μαζί με μια διαμόρφωση RAG. Αυτό επιτρέπει στο σύστημα να "θυμάται" όλα όσα έχει μάθει κατά τη διάρκεια αυτής της περιόδου λειτουργίας συνομιλίας, με αποτέλεσμα να γίνεται όλο και πιο έξυπνο όσο περισσότερο αλληλεπιδράτε μαζί του.

Πλέον, με την υποστήριξη του μοντέλου 2.0 Flash Thinking (πειραματικό)

Όταν κυκλοφόρησε το Deep Research τον Δεκέμβριο, υποστηριζόταν από το Gemini 1.5 Pro. Με την παρουσίαση του μοντέλου 2.0 Flash Thinking (πειραματικό) του Gemini, μπορέσαμε να βελτιώσουμε δραματικά τόσο την ποιότητα όσο και την αποδοτικότητα αυτού του προϊόντος. Αξιοποιώντας μοντέλα συλλογιστικής, το Gemini χρειάζεται περισσότερο χρόνο για να σχεδιάσει την προσέγγισή του προτού προχωρήσει στα επόμενα βήματα. Τα έμφυτα χαρακτηριστικά αυτοανάλυσης και σχεδιασμού το κάνουν ιδανικό για εργασίες agentic μακράς διάρκειας αυτού του είδους. Αυτό που διαπιστώνουμε είναι ότι το Gemini πλέον είναι καλύτερο σε όλα τα στάδια της έρευνας και παρέχει πιο λεπτομερείς αναφορές. Ταυτόχρονα, η αποδοτική υπολογιστική του μοντέλου Flash μας επιτρέπει να διευρύνουμε την πρόσβαση στο Deep Research σε ακόμη περισσότερους χρήστες. Είμαστε ενθουσιασμένοι με την προοπτική ανάπτυξης στο flash και, γενικότερα, για τα μοντέλα συλλογιστικής, και αναμένουμε τη συνεχή βελτίωση του Deep Research.

Ποιο είναι το επόμενο βήμα

Αναπτύξαμε το μοντέλο με στόχο να είναι ευέλικτο, προκειμένου, με την πάροδο του χρόνου, να μπορούμε να επεκτείνουμε τις δυνατότητές του δίνοντάς σας περισσότερο έλεγχο σχετικά με το πού μπορεί να περιηγηθεί και τη δυνατότητα να του παρέχετε πηγές εκτός του ανοικτού ιστού.

Ανυπομονούμε να δούμε πώς οι χρήστες θα αξιοποιήσουν το Deep Research. Αυτές οι εμπειρίες από τον πραγματικό κόσμο θα μας δείξουν πώς θα συνεχίσουμε να αναπτύσσουμε και να βελτιώνουμε το Deep Research. Ο στόχος μας είναι να δημιουργήσουμε έναν βοηθό AI με πραγματικά χαρακτηριστικά agentic που θα είναι χρήσιμος για όλους.