Gemini Deep Research

Agentski sustav

Da bismo razvili Deep Research, osmislili smo novi sustav planiranja koji aplikaciji Gemini omogućuje da riješi složene probleme. Geminijeve modele za Deep Research obučili smo za sljedeće:

• Raščlamba problema: kada dobije složeni korisnički upit, sustav prvo osmišljava detaljni plan istraživanja, pri čemu problem raščlanjuje na više manjih podzadataka koje je lako izvršiti. Vi imate kontrolu nad tim planom: Gemini ga predstavlja vama, a vi ga možete precizirati kako bi bio usmjeren na odgovarajuća područja.

• Istraživanje: model nadzire izvršenje plana i inteligentno određuje koji se podzadaci mogu riješiti odjednom, a koje treba riješiti zasebno. Model može upotrebljavati alate kao što su pretraživanje i pregledavanje weba za dohvaćanje informacija i rasuđivanje. Na svakom koraku model rasuđuje o dostupnim informacijama da bi odlučio o sljedećem koraku. Uveli smo ploču razmišljanja za korisnike koji mogu pratiti što je model dosad naučio i što planira dalje.

• Sinteza: nakon što model odredi da je prikupljeno dovoljno informacija, sažima nalaze u sveobuhvatno izvješće. Pri izradi izvješća Gemini kritički procjenjuje informacije, prepoznaje ključne teme i nedosljednosti te strukturira izvješće na logičan i informativan način. Izvršava čak i samokritične provjere radi veće jasnoće i preciznosti.

Nova kategorija, novi problemi, nova rješenja

Pri razvoju Deep Researcha morali smo nadvladati tri velika tehnička izazova:

Planiranje u više koraka

Za istraživačke zadatke potrebno je više koraka iterativnog planiranja. Na svakom koraku model mora razmotriti sve dotad prikupljene informacije, a zatim prepoznati nedostajuće informacije i odstupanja koja želi istražiti, a istovremeno mora pronaći kompromis između sveobuhvatnosti te računalnog i korisničkog vremena čekanja. Obučavanje modela da bude učinkovit u planiranju u više koraka, istovremeno održavajući učinkovitost podataka, omogućilo nam je da funkciju Deep Research primjenjujemo na otvorenoj domeni za sve teme.

Dugotrajno zaključivanje

Uobičajeni zadatak Deep Researcha uključuje mnoge pozive modela u nekoliko minuta. To stvara poteškoće razvojnim agentima: model se mora razviti tako da se zadatak ne mora izvršiti ispočetka ako dođe do jedne pogreške.

Da bismo riješili taj problem, razvili smo novi asinkroni upravitelj zadataka koji zadržava zajedničko stanje između modela za zadatke i planiranje, što omogućuje lako ispravljanje pogreške bez ponovnog pokretanja cijelog zadatka. Sustav je uistinu asinkron: možete prijeći u drugu aplikaciju ili doslovno isključiti računalo nakon pokretanja Deep Research projekta i sljedeći put kada posjetite Gemini primit ćete obavijest o dovršenom istraživanju.

Kontekstualno upravljanje

Tijekom sesije istraživanja Gemini može obraditi stotine stranica sadržaja. Radi održavanja kontinuiteta i omogućavanja dodatnih pitanja, upotrebljavamo Geminijev najnapredniji kontekstualni prozor s milijunom tokena dopunjen RAG postavkama. To omogućuje da sustav učinkovito zapamti sve što je naučio tijekom sesije chata, što znači da postaje pametniji što dulje komunicirate s njim.

Sada ga pokreće 2.0 Flash Thinking (eksperimentalna verzija)

Kada je Deep Research predstavljen u prosincu pokretao ga je Gemini 1.5 Pro. Uvođenjem Geminija 2.0 Flash Thinking (eksperimentalna verzija) uspjeli smo uvelike poboljšati kvalitetu i učinkovitost posluživanja ovog proizvoda. Uz modele za razmišljanje Gemini više vremena troši na planiranje pristupa prije nego što poduzme sljedeće korake. Zbog te urođene karakteristike samoanalize i planiranja, sjajan je odabir za dugotrajne agentske zadatke. Primijetili smo da je sada Gemini još bolji u svim fazama istraživanja te isporučuje podrobnija izvješća. Računalna učinkovitost Flash modela istovremeno nam omogućuje da proširimo pristup Deep Researchu za još više korisnika. Zbilja smo uzbuđeni zbog razvoja Flash modela i modela za razmišljanje te očekujemo da će Deep Research postati još bolji.

Što slijedi?

Razvili smo svestrani sustav kako bismo s vremenom mogli širiti njegove mogućnosti, dati vam više kontrole nad time što može pregledavati i omogućiti mu izvore izvan otvorenog weba.

Uzbuđeni smo što ljudi upotrebljavaju Deep Research jer će nam doživljaji iz stvarnog svijeta pokazati kako ćemo nastaviti razvijati i poboljšavati Deep Research. Naš je konačni cilj stvoriti uistinu agentski i univerzalno korisni AI asistent.