Gemini Deep Research

Agensīva sistēma

Lai izveidotu Deep Research, mēs izstrādājām jaunu plānošanas sistēmu, kas ļauj Gemini lietotnei atrisināt sarežģītas problēmas. Deep Research izstrādei mēs apmācījām Gemini modeļus, lai tie spētu veikt tālāk norādītās darbības.

• Problēmas sadalīšana posmos: saņemot sarežģītu lietotāja vaicājumu, sistēma vispirms izveido detalizētu izpētes plānu, sadalot problēmu mazākos, pārvaldāmos apakšuzdevumos. Plāns ir jūsu pārziņā: Gemini parāda plānu, un jūs varat to uzlabot, lai pārliecinātos, ka tas ir vērsts pareizajā virzienā.

• Izpēte: modelis pārrauga šī plāna izpildi un viedi nosaka, kurus apakšuzdevumus var veikt vienlaikus un kuri jāveic secīgi. Modelis var izmantot tādus rīkus kā meklēšana un tīmekļa pārlūkošana, lai iegūtu informāciju un analizētu to. Katrā posmā modelis analizē pieejamo informāciju, lai noteiktu nākamo darbību. Mēs ieviesām domāšanas paneli, lai lietotāji varētu sekot līdzi tam, ko modelis ir iemācījies līdz šim un ko tas plāno darīt tālāk.

• Sintēze: kad modelis nosaka, ka ir savākts pietiekami daudz informācijas, tas sintezē atradumus visaptverošā pārskatā. Veidojot pārskatu, Gemini kritiski izvērtē informāciju, identificē galvenos tematus un neatbilstības, kā arī strukturē pārskatu loģiskā un informatīvā veidā, pat veicot vairākus pašvērtēšanas posmus, lai uzlabotu precizitāti un detaļas.

Jauna kategorija, jaunas problēmas, jauni risinājumi

Izstrādājot Deep Research, mums bija jāpārvar trīs nozīmīgi tehniski izaicinājumi.

Daudzpakāpju plānošana

Izpētes uzdevumiem ir nepieciešama daudzpakāpju iteratīva plānošana. Katrā posmā modelim ir jāpamatojas uz visiem līdz šim savāktajiem datiem, pēc tam jāidentificē trūkstošā informācija un neatbilstības, kuras tas vēlas izpētīt — visas šīs darbības jāveic, vienlaikus nodrošinot visaptverošus rezultātus, kas neaizņemtu ilgu skaitļošanas laiku un lietotāja gaidīšanas laiku. Apmācot modeli būt efektīvam ilgtermiņa daudzpakāpju plānošanā, izmantojot datus efektīvā veidā, mēs spējam nodrošināt, ka Deep Research funkcija darbojas dažādās jomās bez ierobežojumiem attiecībā uz konkrētu tēmu.

Ilgstoša secinājumu veikšana

Parasts Deep Research uzdevums ietver daudz izpētes pieprasījumu modelim vairāku minūšu laikā. Tas rada izaicinājumu aģentu izstrādei: tas jāizstrādā tā, lai vienas neveiksmes gadījumā nebūtu jāsāk uzdevums no jauna.

Lai to risinātu, mēs izstrādājām jaunu asinhrono uzdevumu pārvaldnieku, kas uztur kopīgoto stāvokli starp plānošanas un uzdevumu modeļiem, ļaujot veikt veiksmīgu pēckļūdu atkopšanu bez nepieciešamības atsākt uzdevuma izpildi no jauna. Šī sistēma ir patiesi asinhrona: jūs varat pārslēgties uz citu lietotni vai pat izslēgt datoru pēc Deep Research projekta sākšanas, un nākamreiz, kad atvērsiet Gemini, saņemsiet paziņojumu, kad jūsu izpētes pieprasījums būs pabeigts.

Konteksta pārvaldība

Izpētes sesijas laikā Gemini var apstrādāt simtiem lappušu satura. Lai saglabātu nepārtrauktību un nodrošinātu iespēju uzdot papildu jautājumus, mēs izmantojam Gemini nozarē vadošo konteksta logu miljons tekstvienību apstrādei, kas papildināts ar RAG iestatījumu. Tas efektīvi ļauj sistēmai “atcerēties” visu, ko tā ir apguvusi šīs tērzēšanas sarunas sesijas laikā, ar katru mijiedarbošanās reizi padarot to arvien viedāku.

Funkcijas darbību tagad nodrošina 2.0 Flash Thinking (eksperimentāla versija)

Kad funkcija Deep Research tika izlaista decembrī, tās darbību nodrošināja Gemini 1.5 Pro. Ar Gemini 2.0 Flash Thinking (eksperimentāla versija) ieviešanu mēs spējām ievērojami uzlabot gan šī produkta kvalitāti, gan tā darbības efektivitāti. Izmantojot Thinking modeļus, Gemini veltī vairāk laika, lai izplānotu savu pieeju, pirms veic nākamās darbības. Šī iebūvētā pašanalīzes un plānošanas iezīme padara to lieliski piemērotu šāda veida ilgstošiem agensīviem uzdevumiem. Mēs varam redzēt, ka tagad Gemini ir vēl labāks visos izpētes posmos un tas nodrošina detalizētākus pārskatus. Tajā pašā laikā Flash modeļa skaitļošanas efektivitāte ļauj mums paplašināt Deep Research pieejamību daudz vairāk lietotājiem. Mēs esam patiešām sajūsmināti par attīstību, izmantojot Flash un Thinking modeļus kopumā, un sagaidām, ka funkcija Deep Research kļūs arvien labāka un labāka.

Kas notiks tālāk?

Mēs izveidojām sistēmu, lai tā būtu daudzpusīga, tāpēc laika gaitā varēsim paplašināt tās iespējas, sniedzot jums lielāku kontroli pār to, ko tā var pārlūkot, un pievienojot avotus ārpus atvērtā tīmekļa.

Priecājamies redzēt, kā cilvēki izmanto Deep Research, un šīs reālo lietotāju aktivitātes palīdzēs mums turpināt veidot un uzlabot funkciju Deep Research. Mūsu mērķis ir patiesi agensīva un vispārīgi noderīga MI asistenta nodrošināšana.