Gemini Deep Research

Autonoomne süsteem

Deep Researchi loomiseks arendasime uue plaanimissüsteemi, mis võimaldab Gemini rakendusel keerukaid probleeme läbi töötada. Deep Researchi puhul koolitasime Gemini mudeleid, et need oskaksid järgmisi toiminguid.

• Probleemi osadeks jaotamine: keeruka kasutajapäringu vastuvõtmisel loob süsteem esmalt üksikasjaliku uuringuplaani, jaotades probleemi mitmeks väiksemaks ja hõlpsamini hallatavaks alamülesandeks. Plaan on teie kontrolli all: Gemini esitab teile plaani, misjärel saate seda täpsustada, et see keskenduks õigetele küsimustele.

• Uurimistöö: mudel jälgib plaani täitmist ja uurib nutikal viisil, milliseid alamülesandeid saab teha korraga ja milliseid tuleb teha üksteise järel. Mudel suudab teabe toomiseks ja läbitöötamiseks muu hulgas otsingut kasutada ja veebi sirvida. Mudel töötab igas etapis saadaoleva teabe läbi, et otsustada, mida järgmisena teha. Lisasime mõttepaneeli, et kasutajad saaksid jälgida, mida mudel on seni õppinud ja mida see kavatseb järgmisena teha.

• Süntees: kui mudel leiab, et kogutud on piisavalt teavet, sünteesib see kogutud teabe kõikehõlmavaks aruandeks. Aruande loomisel hindab Gemini teavet kriitiliselt, tuvastab põhiteemad ja vastuolud ning struktureerib aruande loogilisel ja informatiivsel kujul, arvustades mitu korda iseenda tööd, et muuta teave selgemaks ja üksikasjalikumaks.

Uus kategooria, uued probleemid, uued lahendused

Deep Researchi loomisel seisime silmitsi kolme märkimisväärse tehnilise väljakutsega.

Mitmeetapiline plaanimine

Uurimisülesanded nõuavad mitut iteratiivse plaanimise etappi. Mudel peab igas etapis viima end kurssi seni kogutud teabega, selgitama välja puuduva teabe ja vastuolud, mida lähemalt uurida – leides seejuures tasakaalu põhjalikkuse ning mõistliku arvutus- ja ooteaja vahel. Kuna koolitasime mudeli nii, et see oleks pika mitmeetapilise plaanimise korral tõhus, võimaldas see meil Deep Researchi avalikult ja mis tahes teemade käsitlemiseks pakkuda.

Pikaajaline järeldusmudel

Tüüpiline Deep Researchi ülesanne hõlmab mitut mudelikutset mitme minuti jooksul. See loob arendajate jaoks keeruka olukorra: funktsioon peab olema loodud nii, et üksiku alamülesande nurjumine ei tähenda ülesande uuesti alustamist.

Probleemi lahendamiseks lõime uudse asünkroonse tegumihalduri, mis säilitab plaanimis- ja ülesandemudeli vahel jagatud olekut, võimaldades sujuvat veataastet ilma tervet ülesannet uuesti alustamata. Süsteem on tõeliselt asünkroonnne: võite pärast Deep Researchi projekti alustamist avada muu rakenduse või sõna otseses mõttes oma arvuti välja lülitada, misjärel saate järgmine kord Geminit külastades märguande, kui teie uurimistöö on valmis.

Kontekstihaldus

Uurimisseansi käigus võib Gemini töödelda sadade lehekülgede kaupa sisu. Järjepidevuse säilitamiseks ja täpsustavate küsimuste võimaldamiseks kasutame Gemini valdkonna parimat miljoni sõnega kontekstiakent, mida täiendab RAG seadistus. See võimaldab süsteemil kõik vestlusseansi käigus õpitu „meelde jätta“, mis muudab süsteemi targemaks, mida rohkem te sellega suhtlete.

Nüüd põhineb mudelil 2.0 Flash Thinking (eksperimentaalne)

Kui Deep Research detsembris välja lasti, põhines see mudelil Gemini 1.5 Pro. Mudelile Gemini 2.0 Flash Thinking (eksperimentaalne) üleminek võimaldas meil toote kvaliteeti ja tõhusust märkimisväärselt täiustada. Mõtlevate mudelite korral võtab Gemini enne tegutsemist oma lähenemise plaanimiseks kauem aega. Tänu eneseanalüüsi- ja plaanimisoskusele sobib see suurepäraselt seda tüüpi pikaajaliste autonoomsete ülesannete jaoks. Nüüd on Gemini kõigis uurimistöö etappides veelgi parem ja esitab üksikasjalikumaid aruandeid. Samal ajal võimaldab Flashi mudeli arvutustõhusus meil pakkuda Deep Researchi märksa rohkematele kasutajatele. Meil on tõeliselt hea meel, et saame arendada Flashi ja mõtlevaid mudeleid üldisemalt, ning prognoosime, et Deep Research muutub üha paremaks.

Mis edasi?

Lõime süsteemi nii, et see oleks mitmekülgne, mistõttu saame aja jooksul selle funktsioone täiendada ning võimaldada teil täpsemalt juhtida, mida süsteem saab sirvida, ja lisada süsteemi ka muid allikaid peale avatud veebi.

Meil on rõõm näha, kuidas inimesed Deep Researchi kasutavad, ja need pärismaailma kogemused mõjutavad seda, kuidas me Deep Researchi edasi arendame ja täiustame. Meie eesmärk on luua tõeliselt autonoomne ja universaalselt kasulik AI-assistent.