Gemini Deep Research

Агентски систем

Да бисмо изградили Deep Research, развили смо нови систем планирања који омогућава апликацији Gemini да решава сложене проблеме. За Deep Research, тренирали смо Gemini моделе да буду способни за:

• разлагање проблема: Када добије сложен кориснички упит, систем најпре формулише детаљан план истраживања и разлаже проблем на низ мањих подзадатака којим се лакше управља. Ви контролишете план: Gemini га представља, а ви можете да га прецизирате како бисте осигурали да је фокусиран на праве области.

• истраживање: Модел надгледа извршавање плана и интелигентно одређује који подзадаци могу да се обрађују истовремено, а који морају да се решавају према редоследу. Модел може да користи алате као што су претрага и прегледање веба како би прикупио информације и разложио их кроз сопствено резоновање. Модел при сваком кораку промишља доступне информације да би одлучио о следећем потезу. Увели смо окно за размишљање како би корисници могли да прате шта је модел до сада сазнао и шта планира да уради следеће.

• синтезу: Када модел процени да је прикупљено довољно информација, синтетише налазе у свеобухватан извештај. При изради извештаја, Gemini критички оцењује информације, идентификује кључне теме и недоследности и структуира извештај на логичан и информативан начин, чак обавља и више кругова самопровере ради веће јасноће и детаљности.

Нова категорија, нови проблеми, нова решења

При развоју Deep Research-а, морали смо да решимо три значајна техничка изазова:

Планирање у више корака

Истраживачки задаци захтевају више корака итеративног планирања. Модел при сваком кораку мора да се ослони на све до тада прикупљене информације, затим да идентификује податке који недостају и неусклађености које жели да истражи – све то уз балансирање између свеобухватности, рачунарских ресурса и времена чекања корисника. Обучавање модела за ефикасно планирање у више корака, уз рационално коришћење података, омогућило нам је да Deep Research функционише у отвореном домену и покрива све теме.

Дуготрајно извођење закључака

Типичан Deep Research задатак подразумева више позива моделу током неколико минута. Ово представља изазов при изградњи агената: систем мора да буде направљен тако да један неуспех не значи да цео задатак мора да се поново покрене испочетка.

Да бисмо решили тај изазов, развили смо јединствен асинхрони менаџер задатака који синхронизује планер и моделе задатака, што омогућава ефикасно санирање грешака без потребе за поновним покретањем целог задатка. Овај систем је потпуно асинхрон: можете да пређете на другу апликацију или чак искључите рачунар после покретања Deep Research пројекта, а када следећи пут отворите Gemini, добићете обавештење да је истраживање завршено.

Управљање контекстом

Gemini може да обради стотине страница садржаја током једне сесије истраживања. Да бисмо одржали континуитет и омогућили додатне упите, користимо Gemini-јев водећи контекстуални прозор од милион токена, уз подршку RAG система. Ово практично омогућава систему да „памти“ све што је научио током те сесије чета, па постаје све паметнији што дуже комуницирате с њим.

Сада покреће 2.0 Flash Thinking (експериментално)

Када је Deep Research покренут у децембру, покретао га је модел Gemini 1.5 Pro. Са увођењем модела Gemini 2.0 Flash Thinking (експериментално), успели смо значајно да унапредимо и квалитет и ефикасност функционисања овог производа. Модели за размишљање омогућавају Gemini-ју да више времена одвоји за планирање приступа пре него што предузме следеће кораке. Ова уграђена способност самопроцене и планирања чини га идеалним за овакве дуготрајне агентске задатке. Сада видимо да је Gemini још бољи у свим фазама истраживања и испоручује још детаљније извештаје. Истовремено, рачунарска ефикасност Flash модела омогућава нам да проширимо приступ Deep Research-у на знатно већи број корисника. Веома смо узбуђени због даљег развоја Flash модела и модела за размишљање уопште, па очекујемо да ће Deep Research наставити да напредује.

Шта је следеће

Систем смо развили тако да буде свестран да бисмо временом могли да проширујемо његове способности и пружимо вам већу контролу над садржајем који може да претражује, као и да му омогућимо приступ изворима ван јавног веба.

Праћење начина на који корисници користе Deep Research у пракси пружиће нам битне увиде за даљи развој и побољшање Deep Research-а. Наш крајњи циљ је да изградимо агентски AI помоћник који ће бити од стварне користи у најразличитијим ситуацијама.