Gemini Deep Research

Agentski sistem

Pri ustvarjanju funkcije Deep Research smo razvili nov sistem načrtovanja, ki aplikacijam Gemini omogoča reševanje zapletenih nalog. V primeru funkcije Deep Research smo modelom Geminija zagotovili naslednje zmogljivosti:

• Razčlenitev naloge: Ko uporabnik sistemu posreduje zapleteno poizvedbo, sistem najprej oblikuje podroben načrt raziskave, pri čemer razčleni nalogo na več manjših podopravil, ki jih bo lahko obdelal. Sami upravljate načrt: Gemini vam predstavi načrt, vi pa ga lahko natančneje prilagodite, da se bo zagotovo osredotočal na ustrezna področja.

• Raziskava: Model nadzira izvajanje tega načrta in inteligentno ugotovi, katera podopravila lahko izvede istočasno in katera mora izvesti zaporedno. Model lahko uporabi tudi orodja, kot sta iskanje in spletno brskanje, da pridobi informacije, na podlagi katerih lahko nato sklepa. Model pri vsakem koraku sklepa na podlagi razpoložljivih informacij, da se lahko odloči, kaj bo naredil naslednje. Za uporabnike smo uvedli podokno za razmišljanje, kjer lahko spremljajo, kaj je model že ugotovil in kaj namerava storiti pri naslednjem koraku.

• Združitev: Ko model ugotovi, da je pridobil dovolj informacij, ugotovitve združi v celovito poročilo. Gemini pri ustvarjanju poročila kritično oceni informacije, prepozna ključne teme in neskladnosti ter sestavi poročilo na logičen in informativen način, vključi pa celo več samokritičnih postopkov za boljšo jasnost ter več podrobnosti.

Nova kategorija, nove naloge, nove rešitve

Pri razvijanju funkcije Deep Research smo se spopadli s tremi večjimi tehničnimi izzivi:

Načrtovanje v več korakih

Pri opravilih raziskovanja se zahteva več korakov iterativnega načrtovanja. Pri vsakem koraku mora model svoje delovanje osnovati na vseh informacijah, ki jih je pridobil do danega trenutka, nato pa prepoznati manjkajoče informacije in neskladnosti, ki jih želi raziskati — vse to ob zagotavljanju ustreznega razmerja med celovitostjo ter računanjem in čakalnim časom uporabnika. Ker smo model usposobili za učinkovito delovanje pri daljšem načrtovanju v več korakih, smo lahko zagotovili delovanje funkcije Deep Research v neomejenem naboru domen za vse teme.

Dolgotrajno sklepanje

Običajno opravilo funkcije Deep Research vključuje več klicev modela, kar traja več minut. To predstavlja izziv pri razvijanju agentov: Oblikovani morajo biti tako, da jim po enem neuspelem poskusu ne bo treba znova začeti opravila povsem na novo.

Da bi rešili to težavo, smo razvili novega asinhronega upravitelja opravil, ki ohrani deljeno stanje med načrtovalnikom in modeli za opravila, da je mogoče napake elegantno odpraviti, ne da bi bilo treba znova začeti celotno opravilo. Ta sistem je resnično asinhron – lahko začnete uporabljati drugo aplikacijo ali celo izklopite računalnik po tem, ko ste zagnali projekt Deep Research, nato pa boste ob naslednji uporabi Geminija obveščeni, ko bo raziskava zaključena.

Upravljanje konteksta

Gemini lahko v času trajanja seje raziskave obdela na stotine strani vsebine. Za zagotavljanje neprekinjenega delovanja in omogočanje podvprašanj uporabljamo Geminijevo kontekstno okno z 1 milijonom žetonov, ki je vodilno v panogi, še dodatno pa smo ga izboljšali z nastavitvijo RAG. To sistemu učinkovito omogoča, da si »zapomni« vse informacije, ki jih je pridobil med zadevno sejo klepeta, in dlje kot boste v interakciji z njim, pametnejši bo.

Zdaj uporablja model 2.0 Flash Thinking (preizkusni)

Ko je bila funkcija Deep Research decembra uvedena, je uporabljala model by Gemini 1.5 Pro. Z uvedbo modela Gemini 2.0 Flash Thinking (preizkusni) smo lahko drastično izboljšali tako kakovost kot tudi učinkovitost delovanja tega izdelka. Gemini si z modeli, ki omogočajo razmišljanje, vzame več časa za načrtovanje pristopa, preden izvede naslednje korake. Ta vgrajena sposobnost samopremišljevanja in načrtovanja odlično dopolnjuje te vrste dolgotrajnih agentskih opravil. Opažamo, da je Gemini zdaj še boljši na vseh stopnjah raziskovanja in da zagotavlja še podrobnejša poročila. Obenem pa nam učinkovitost računanja modela Flash omogoča, da lahko zagotovimo dostop do funkcije Deep Research še bistveno več uporabnikom. Na splošno smo izjemno navdušeni nad razvojem, ki temelji na modelih flash ter modelih, ki omogočajo razmišljanje, in pričakujemo, da se bo poglobljeno raziskovanje samo še izboljševalo.

Kaj sledi

Razvili smo vsestranski sistem, zato bomo lahko čez čas njegove zmožnosti še razširili tako, da vam bomo zagotovili več nadzora nad vsebino, ki jo bo lahko prebrskal, sistemu pa omogočili dostop do virov zunaj okvirov odprtega spleta.

Veselimo se, da bomo spremljali, kako ljudje uporabljajo funkcijo Deep Research, pridobljene informacije o dejanskih izkušnjah pa bodo usmerjale naše nadaljnje razvijanje in izboljševanje te funkcije. Naš končni cilj je, da bi ustvarili resnično agentskega in za vse uporabnike koristnega pomočnika z umetno inteligenco.