Gemini Deep Research

代理式系統

我們為建構 Deep Research 開發出全新規劃系統，讓 Gemini 應用程式學會處理複雜問題，包括訓練 Gemini 模型的以下能力：

• 拆解問題：Gemini 收到複雜的使用者查詢後，會先產生詳細的研究計畫，將問題分成一系列更小、更容易處理的子工作。掌控權仍在使用者手中：你可以修改 Gemini 顯示的計畫，確保研究不偏離原定方向。

• 研究：模型開始執行及監控研究計畫，並會根據子工作的性質，靈活決定哪些工作可同時處理，哪些則要依序完成。模型可能會使用搜尋引擎或瀏覽網頁，擷取資訊並進行推論。每個步驟中，模型都會根據可用的資訊推論，決定下一步該怎麼做。我們特別為這項功能新增了一個思考面板，方便追蹤模型當前學到的內容，以及預計執行的下一個動作。

• 整合：模型判定收集夠多資訊後，就會將手上的資料整理成詳盡的報告。Gemini 產生報告時會審慎評估資訊，找出重要發現和不一致的地方，有邏輯地呈現豐富資訊，甚至會多次評論自己生成的內容，提升報告的詳盡程度。

新類別、新問題、新解法

我們在建構 Deep Research 時必須克服三個重大技術難題：

多步規劃

研究工作需要反覆規劃。Gemini 會在每個步驟，參酌當前收集到的所有資訊，找出缺漏或不一致的地方並繼續探究，同時也會權衡資訊的完整性、運算時間和使用者的等待長度。我們有效率地運用資訊訓練模型，強化 Gemini 進行長時間多步規劃的能力，因此 Deep Research 能運用公開資料處理各種研究主題。

耗時較長的推論

典型的 Deep Research 工作可能需要在數分鐘內呼叫多個模型，但這會造成建構代理上的困難：開發人員必須確保單一故障不會導致工作必須從頭開始。

為解決這項問題，我們開發出全新的非同步工作管理工具，確保負責規劃和執行工作的模型狀態一致，不必重新執行整個工作也能在背景完成錯誤復原。這個系統能做到真正的「非同步」：使用者啟動 Deep Research 專案後，可切換到其他應用程式，或甚至關掉電腦；下次打開 Gemini 時，系統就會提醒你研究已完成。

管理資訊脈絡

研究過程中，Gemini 可能會處理數百頁的內容。為了讓使用者進行後續互動及追加提問，我們結合了 Gemini 領先業界的脈絡窗口 (100 萬個詞元) 和檢索增強生成技術。模型因此能在對話期間有效「記住」接收到的所有資訊，並隨著互動增加而越來越聰明。

現由 2.0 Flash Thinking (實驗版) 驅動

Deep Research 去年 12 月推出時搭載 Gemini 1.5 Pro。隨著 2.0 Flash Thinking (實驗版) 問世，Deep Research 的品質和服務效率也出現飛躍性的成長。由於是推論模型，Gemini 每次進行下一步前都會花較多時間規劃做法。正因這種自我反思和規劃的特性，Deep Research 成為執行長時間代理工作的最佳選擇。我們發現，Gemini 在各研究階段都更得心應手，還能生成更詳盡的報告。此外，Flash 模型的運算資源使用效率較高，有利我們向更多使用者推出 Deep Research。我們等不及要開發更多通用的 Flash 和推論模型，也相信 Deep Research 會越來越好。

後續行動

我們想建構多用途的系統並持續拓展功能、訓練模型引用公開網路外的來源，並讓使用者進一步控管模型可瀏覽的內容。

我們已等不及瞭解大眾如何運用 Deep Research，也會根據這些實際使用體驗繼續開發及改良這項功能，最終打造出真正具備代理能力的全方位 AI 助理。