Gemini Deep Research

Một hệ thống tác nhân

Chúng tôi đã phát triển một hệ thống lập kế hoạch mới để xây dựng Deep Research, giúp ứng dụng Gemini giải quyết được những vấn đề phức tạp. Nhằm phát triển Deep Research, chúng tôi huấn luyện các mô hình Gemini để chúng có thể:

• Phân tích chi tiết vấn đề: Khi nhận được một câu hỏi phức tạp từ người dùng, trước tiên hệ thống sẽ xây dựng một kế hoạch nghiên cứu chi tiết, chia vấn đề thành nhiều việc nhỏ dễ xử lý hơn. Bạn nắm quyền kiểm soát kế hoạch: Gemini sẽ trình bày kế hoạch cho bạn, mà sau đó bạn có thể tinh chỉnh để đảm bảo kế hoạch đó tập trung vào đúng lĩnh vực yêu cầu.

• Nghiên cứu: Mô hình sẽ giám sát quá trình thực hiện kế hoạch này và xác định một cách thông minh những việc chia nhỏ nào có thể được giải quyết đồng thời, và những việc nào cần được thực hiện theo trình tự. Mô hình có thể dùng các công cụ như tìm kiếm và duyệt xem web để lấy thông tin và suy luận về thông tin đó. Tại mỗi bước, mô hình sẽ suy luận về thông tin có sẵn để xác định hành động tiếp theo. Chúng tôi đã triển khai một bảng tiến trình tư duy, giúp người dùng theo dõi những điều mô hình đã học được cho đến nay và hành động mà mô hình sẽ làm tiếp theo.

• Tổng hợp: Sau khi xác định đã thu thập đủ thông tin, mô hình sẽ tổng hợp kết quả thành một báo cáo toàn diện. Khi tạo báo cáo, Gemini sẽ đánh giá cẩn thận thông tin, xác định các chủ đề và những điểm không nhất quán quan trọng, đồng thời sắp xếp báo cáo theo cách logic, có nhiều thông tin, thậm chí thực hiện nhiều lần tự phê bình nhằm làm cho báo cáo rõ ràng và chi tiết hơn.

Danh mục mới, vấn đề mới, giải pháp mới

Trong quá trình phát triển Deep Research, chúng tôi đã gặp 3 thử thách lớn về mặt kỹ thuật:

Lập kế hoạch nhiều bước

Việc nghiên cứu đòi hỏi phải có nhiều bước lập kế hoạch lặp lại. Tại mỗi bước, mô hình phải dựa vào mọi thông tin đã thu thập được cho đến hiện tại, xác định thông tin còn thiếu và những điểm không nhất quán để nghiên cứu thêm, đồng thời cân bằng giữa tính toàn diện, khả năng tính toán và thời gian chờ của người dùng. Việc huấn luyện mô hình để có thể lập kế hoạch kéo dài, theo nhiều bước một cách hiệu quả về mặt dữ liệu đã giúp chúng tôi triển khai Deep Research trong một môi trường mở, cho mọi chủ đề.

Suy luận kéo dài

Một tác vụ thông thường của Deep Research bao gồm nhiều lệnh gọi mô hình kéo dài trong vài phút. Điều này gây thử thách cho việc xây dựng AI tác nhân: Hệ thống phải được xây dựng sao cho một lỗi đơn lẻ không dẫn đến việc phải làm lại từ đầu tác vụ đó.

Để vượt qua thử thách này, chúng tôi đã phát triển một trình quản lý tác vụ không đồng bộ mới, duy trì trạng thái chia sẻ giữa các mô hình lập kế hoạch và tác vụ, giúp khôi phục lỗi một cách trơn tru mà không cần phải bắt đầu lại toàn bộ tác vụ. Đây thực sự là một hệ thống không đồng bộ: bạn có thể chuyển sang một ứng dụng khác hoặc thậm chí tắt máy tính sau khi bắt đầu một dự án Deep Research, và vào lần tiếp theo dùng Gemini, bạn sẽ được thông báo khi nghiên cứu của mình hoàn tất.

Quản lý ngữ cảnh

Trong một phiên nghiên cứu, Gemini có thể xử lý hàng trăm trang nội dung. Để duy trì tính liên tục và hỗ trợ các câu hỏi nối tiếp, chúng tôi dùng cửa sổ ngữ cảnh 1 triệu token đầu ngành của Gemini, kèm theo thiết lập RAG. Điều này giúp hệ thống "ghi nhớ" tất cả thông tin đã học được trong suốt phiên trò chuyện, nhờ đó hệ thống sẽ thông minh hơn khi bạn tương tác lâu hơn.

Hiện được trang bị sức mạnh của 2.0 Flash Thinking (thử nghiệm)

Khi được triển khai vào tháng 12, Deep Research hoạt động dựa trên Gemini 1.5 Pro. Nhờ việc ra mắt Gemini 2.0 Flash Thinking (thử nghiệm), chúng tôi đã có thể cải thiện đáng kể chất lượng và hiệu quả phục vụ của sản phẩm này. Ở các mô hình tư duy, Gemini dành nhiều thời gian hơn cho việc lập kế hoạch phương pháp tiếp cận trước khi thực hiện bước tiếp theo. Khả năng tự suy ngẫm và lập kế hoạch vốn có này giúp Gemini trở thành lựa chọn lý tưởng cho những loại tác vụ tác nhân kéo dài như vậy. Chúng tôi nhận thấy giờ đây, Gemini còn cải thiện hiệu quả ở mọi giai đoạn nghiên cứu và tạo báo cáo chi tiết hơn. Đồng thời, hiệu quả tính toán của mô hình Flash cũng giúp chúng tôi mở rộng quyền sử dụng Deep Research cho số lượng người dùng lớn hơn nhiều. Chúng tôi thực sự hào hứng về việc phát triển các mô hình Flash và mô hình tư duy, cũng như tin rằng Deep Research sẽ ngày một tốt hơn.

Tiếp theo sẽ là gì?

Chúng tôi thiết kế hệ thống để có tính linh hoạt. Nhờ đó, chúng tôi có thể dần mở rộng khả năng của hệ thống bằng cách cho phép bạn kiểm soát nhiều hơn những nội dung hệ thống có thể duyệt xem, cũng như cung cấp cho hệ thống các tài nguyên ngoài web mở.

Chúng tôi rất mong chờ được thấy mọi người đón nhận Deep Research như thế nào, và những trải nghiệm thực tế này sẽ mang đến cho chúng tôi nhiều thông tin để tiếp tục xây dựng và cải thiện Deep Research. Mục tiêu cuối cùng của chúng tôi là tạo ra một trợ lý AI tác nhân thực sự giúp ích cho mọi người.