Gemini Deep Research

ఏజెంటిక్ సిస్టమ్

Deep Researchను బిల్డ్ చేయడానికి, మేము కొత్త ప్లానింగ్ సిస్టమ్‌ను డెవలప్ చేశాము, అది క్లిష్టమైన సమస్యల‌ను పరిష్కరించడంలో Gemini యాప్‌నకు వీలు కల్పిస్తుంది. Deep Research కోసం, మేము Gemini మోడల్స్‌కు ఈ కింది వాటిని చేయగలిగేలా ట్రెయినింగ్ ఇచ్చాము:

• సమస్యను విభజించడం: క్లిష్టమైన యూజర్ క్వెరీని అందించినప్పుడు, సిస్టమ్ మొదట ఒక వివరణాత్మక రీసెర్చ్ ప్లాన్‌ను రూపొందిస్తుంది, సమస్యను చిన్న, మేనేజ్ చేయదగిన సబ్-టాస్క్‌ల సిరీస్‌గా విభజిస్తుంది. ప్లాన్ మీ కంట్రోల్‌లో ఉంటుంది: Gemini దాన్ని మీకు అందిస్తుంది, అది సరైన ఏరియాల్లో ఫోకస్ చేసేలా చూడటానికి మీరు దాన్ని మెరుగుపరచవచ్చు.

• రీసెర్చ్: ఈ ప్లాన్ ఎగ్జిక్యూషన్‌ను మోడల్ పర్యవేక్షిస్తుంది, ఏ సబ్-టాస్క్‌లను ఏకకాలంలో పరిష్కరించవచ్చో, ఏవి వరుస క్రమంలో పూర్తి చేయాలో తెలివిగా నిర్ణయిస్తుంది. సమాచారాన్ని, దానిపై రీజనింగ్‌ను పొందడానికి ఈ మోడల్ సెర్చ్, వెబ్ బ్రౌజింగ్ వంటి టూల్స్‌ను ఉపయోగించవచ్చు. ప్రతి దశలో మోడల్ తన తదుపరి చర్యను నిర్ణయించుకోవడానికి సమాచారంపై రీజనింగ్ చేస్తుంది. మోడల్ ఇప్పటిదాకా ఏమి నేర్చుకుందో, తర్వాత అది ఏమి చేయాలనుకుంటుందో ఫాలో అవ్వడానికి యూజర్‌ల కోసం మేము ఆలోచనాత్మక ప్యానెల్‌ను ప్రవేశపెట్టాము.

• సింథసిస్: తగినంత సమాచారం సేకరించబడిందని మోడల్ నిర్ధారించిన తర్వాత, అది ఫలితాలను సమగ్ర రిపోర్ట్‌గా సింథసైజ్ చేస్తుంది. రిపోర్ట్‌ను రూపొందించేటప్పుడు Gemini, సమాచారాన్ని నిశితంగా పరిశీలిస్తుంది. కీలకమైన థీమ్‌లు ఏమిటి, ఇన్-కన్‌సిస్టెన్సీలు ఏమైనా ఉన్నాయా అన్నది ఐడింటిఫై చేస్తుంది. రిపోర్ట్‌ను లాజికల్‌గా, తగిన సమాచారం ఉండే విధంగా రూపొందిస్తుంది. క్లారిటీ & డిటైల్స్ మెరుగైన విధంగా ఉండేందుకు పలు దశల్లో ఆత్మ-పరిశీలన చేసుకుంటుంది.

కొత్త కేటగిరీ, కొత్త సమస్యలు, కొత్త పరిష్కారాలు

Deep Researchను రూపొందించడంలో, మేము ఈ మూడు ముఖ్యమైన సాంకేతిక సవాళ్లను అధిగమించాల్సి వచ్చింది:

పలు దశల ప్లానింగ్

రీసెర్చ్ టాస్క్‌లకు అనేక దశల ఇటరేటివ్ ప్లానింగ్ అవసరం. ప్రతి దశలో, మోడల్ అప్పటివరకు సేకరించిన మొత్తం సమాచారంపై ఆధారపడాలి, ఆపై మిస్ అయిన సమాచారాన్ని, అది అన్వేషించాలనుకుంటున్న వైరుధ్యాలను గుర్తించాలి - లెక్కింపు, యూజర్ వేచి ఉండాల్సిన సమయం విషయంలో సమగ్రతను బేరీజు వేసుకుంటూనే ఇవన్నీ చేయాల్సి ఉంటుంది. సమర్ధవంతమైన డేటా విధానంలో సుదీర్ఘంగా పలు దశల ప్లానింగ్‌లో ప్రభావవంతంగా ఉండేలా మోడల్‌కు ట్రెయినింగ్ ఇవ్వడం వల్ల అన్ని టాపిక్‌లలో ఓపెన్ డొమైన్ సెట్టింగ్‌లో Deep Research పని చేసేలా చేయగలిగాము.

ఎక్కువ సేపు కొనసాగే రీజనింగ్

ఒక సాధారణ Deep Research టాస్క్‌లో అనేక నిమిషాల పాటు చాలా మోడల్ కాల్స్ ఉంటాయి. ఏజెంట్లను బిల్డ్ చేయడానికి ఇది సమస్యగా మారింది: ఒక ఫెయిల్యూర్ వచ్చినంత మాత్రాన మొత్తం టాస్క్‌ను మళ్లీ మొదటి నుండి రీ-స్టార్ట్ చేయకుండా ముందుకు వెళ్లేలా దీన్ని డిజైన్ చేయాలి.

ఈ సమస్యను అధిగమించడానికి మేము ఒక సరికొత్త అసింక్రనస్ టాస్క్ మేనేజర్‌ను డెవలప్ చేశాము. ఇది ప్లానర్ మోడల్ & టాస్క్ మోడల్ మధ్య కామన్ డేటాను మెయింటైన్ చేస్తుంది. తద్వారా, మొత్తం టాస్క్‌ను రీ-స్టార్ట్ చేయాల్సిన అవసరం లేకుండా, ఎర్రర్ నుండి స్మూత్‌గా రికవర్ అవుతుంది. ఈ సిస్టమ్ అసింక్రనస్‌గా పని చేస్తుంది: మీరు Deep Research ప్రాజెక్ట్‌ను ప్రారంభించిన తర్వాత వేరే యాప్‌కు వెళ్లవచ్చు లేదా మీ కంప్యూటర్‌ను పూర్తిగా ఆఫ్ చేయవచ్చు. నెక్ట్స్ టైమ్ మీరు Geminiకి వచ్చినప్పుడు, మీ రీసెర్చ్ పూర్తయిన తర్వాత మీకు నోటిఫికేషన్ వస్తుంది.

కాంటెక్స్ట్ మేనేజ్‌మెంట్

రీసెర్చ్ సెషన్ సమయంలో, Gemini వందలాది పేజీల కంటెంట్‌ను ప్రాసెస్ చేయగలదు. కంటిన్యుటీని మెయింటైన్ చేయడానికి, ఫాలో-అప్ క్వెరీలను ఎనేబుల్ చేయడానికి, మేము Geminiకి చెందిన 10 లక్షల టోకెన్ కాంటెక్స్ట్ విండోను ఉపయోగిస్తాము. RAG సెటప్‌తో ఉండే ఈ విండో, ఇండస్ట్రీలోనే అత్యాధునికమైనది. ఇది ఆ చాట్ సెషన్ సమయంలో నేర్చుకున్న ప్రతి దాన్ని సమర్థవంతంగా "గుర్తుంచుకోవడానికి" సిస్టమ్‌కు వీలు కల్పిస్తుంది, తద్వారా మీరు దానితో ఎక్కువ సేపు ఇంటరాక్ట్ అయ్యే కొద్దీ అది మరింత స్మార్ట్‌గా మారుతుంది.

ఇప్పుడు 2.0 Flash Thinking (Experimental) ద్వారా అందించబడుతోంది

డిసెంబర్‌లో Deep Researchను లాంచ్ చేసినప్పుడు, అది Gemini 1.5 Pro ద్వారా అందించబడింది. Gemini 2.0 Flash Thinking (Experimental)‌ను ఇంట్రడ్యూస్ చేయడం ద్వారా, మేము ఈ ప్రోడక్ట్ క్వాలిటీని, సర్వింగ్ సామర్థ్యాన్ని గణనీయంగా మెరుగుపరుచుకోగలిగాము. ఆలోచనా మోడల్స్‌తో, Gemini తన తదుపరి చర్యలు తీసుకోవడానికి ముందే దాని విధానాన్ని ప్లాన్ చేసుకోవడానికి మరింత సమయాన్ని తీసుకుంటుంది. స్వీయ-ఆలోచన, ప్లానింగ్‌కు సంబంధించిన ఈ సహజ లక్షణం, ఈ రకమైన ఎక్కువ సేపు కొనసాగే ఏజెంటిక్ టాస్క్‌లకు బాగా సరిపోతుంది. ఇప్పుడు Gemini అన్ని రీసెర్చ్ దశల్లో మరింత మెరుగుపడిందని, మరింత వివరణాత్మక రిపోర్ట్‌లను అందిస్తోందని మేము గమనిస్తున్నాము. అదే సమయంలో, ఫ్లాష్ మోడల్ లెక్కింపు సామర్థ్యం వల్ల మరింత మంది యూజర్‌లకు Deep Research యాక్సెస్‌ను విస్తరించడానికి మాకు వీలవుతోంది. ఫ్లాష్, ఆలోచనా మోడల్స్‌ను డెవలప్ చేయడం పట్ల మేము చాలా సంతోషిస్తున్నాము, Deep Research మరింత మెరుగవుతూనే ఉంటుందని ఆశిస్తున్నాము.

తర్వాత ఏమిటి

మేము ఈ సిస్టమ్‌ను ఫ్లెక్సిబుల్‌గా ఉండేలా డిజైన్ చేశాము. కాబట్టి కాలక్రమంలో దీని కెపాసిటీని మేము ఎక్స్‌పాండ్ చేయగలము. తద్వారా అది దేన్ని బ్రౌజ్ చేయాలి అన్న అంశంపై మీకు మరింత కంట్రోల్ లభిస్తుంది. అలాగే ఇది, ఓపెన్ వెబ్‌ను దాటి కొత్త సోర్స్‌లను యాక్సెస్ చేయగలదు.

ప్రజలు Deep Researchను ఎలా ఉపయోగిస్తారో తెలుసుకునేందుకు మేము ఎగ్జయిటింగ్‌గా ఉన్నాము. అలాగే Deep Researchను బిల్డ్ చేయడాన్ని, మెరుగుపరచడాన్ని ఎలా కొనసాగించవచ్చు అన్న అంశంపై ఈ రియల్-వరల్డ్ ఎక్స్‌పీరియన్స్‌లు, మాకు ఇన్‌పుట్ ఇస్తాయి. అంతిమంగా, నిజమైన ఏజెంటిక్‌గా, అందరికీ సహాయపడే AI అసిస్టెంట్‌గా ఉండాలన్నది మా లక్ష్యం.