每經編輯 畢陸名

當地時間周日（2月2日），OpenAI發布了一款名為“深層研究”（deep research）的功能，并上傳了演示視頻。

圖片來源：OpenAI官網截圖

OpenAI在官網寫道，這項代理功能使用推理綜合大量線上信息，并為用戶完成多步驟研究任務。簡單來說，就是“深層研究”可以從互聯網上收集信息，并將其合成為簡明的報告。

“深度研究可以獨立為您工作：您給它一個提示，ChatGPT就會查找、分析和綜合數百個在線資源，以“研究分析師的水平”創建一份綜合報告。它將由OpenAI o3的一個版本提供支持，該模型針對網頁瀏覽和數據分析進行了優化，可利用推理來搜索、解釋和分析網上大量文本、圖像和PDF，并根據信息做出必要的調整。”

OpenAI聲稱，deep research“只需數十分鐘就能完成人類需要數小時才能完成的工作。”首席產品官Kevin Weil也提到，它完成的任務對人類來說可能需要30分鐘到30天不等。

官網貼出了一些使用deep research的案例，比如讓ChatGPT找出過去10年GDP排名前10的發達國家和前10的發展中國家的iOS和安卓普及率，并將這些信息繪制在一個表格中。

另外，還可以通過三個電視劇片段找出劇集的名字，統計NFL（美國國家橄欖球聯盟）踢球手的平均退役年齡，提供滑雪板的購買建議，以及醫學研究、UX設計等更專業的領域。

GPT-4o與deep research對比

OpenAI稱，deep research是為從事金融、科學、公共政策、工程等領域知識密集型工作并需要全面、精確和可靠研究的人員而打造的。目前，該功能已可供Pro用戶使用。

官網提到，支持deep research的模型在一項覆蓋100多個學科的專家級測試中，以26.6%的準確率創下了新高。

Deep Research是基于OpenAI的o3模型之上開發而成的，并針對多種特定任務進行了深度優化和精調。

端到端強化學習是Deep Research的關鍵所在。傳統的機器學習方法在處理復雜任務時，往往需要人為地劃分多個階段進行訓練和優化，而端到端強化學習則讓模型從輸入到輸出進行整體的學習和優化。

圖片來源：視頻截圖

Deep Research通過這種學習方式，學會了規劃和執行多步驟的研究軌跡。在面對一個復雜的研究課題時，它能夠像人類研究者一樣，制定出合理的研究計劃，先確定從哪些渠道獲取信息，然后根據獲取到的信息進行分析，判斷下一步的研究方向。

如果在研究過程中發現之前的計劃存在偏差，它還能像經驗豐富的研究者一樣進行回溯，重新調整研究策略，確保最終能得到準確且有價值的結果。

在這個學習過程中，模型不斷地與環境進行交互，從環境反饋中學習最優的行為策略。在瀏覽網頁獲取信息時，模型會根據網頁內容的相關性、可信度等因素，決定是否深入瀏覽該網頁，以及如何提取其中有用的信息。

這種基于實時信息進行決策和調整的能力，是Deep Research能夠高效完成復雜研究任務的重要保障。

除了端到端強化學習，去除模型的響應限制也是Deep Research的重要技術突破。傳統的大模型為了追求快速響應，往往在處理復雜問題時只能淺嘗輒止，無法進行深入的思考和分析。

Deep Research打破了這一限制，允許模型花費5—30分鐘甚至更長時間來處理問題。這使得模型有足夠的時間對海量的網絡信息進行篩選、分析和整合，從而能夠輸出更加全面、深入、準確的研究成果。

例如，在進行市場調研類任務時，模型可以花費足夠的時間去收集不同地區、不同時間段的市場數據，對市場趨勢進行更精準的預測；在學術研究領域，它能夠深入研讀大量的文獻資料，挖掘出不同研究之間的潛在聯系，為科研工作者提供更具價值的研究思路。

每日經濟新聞綜合OpenAI官網

免責聲明：本文內容與數據僅供參考，不構成投資建議，使用前請核實。據此操作，風險自擔。

封面圖片來源：每日經濟新聞