💡
原文中文，约7100字，阅读约需17分钟。
📝
内容提要
上海交通大学与SII联合发布的DeepResearcher是首个在真实网络环境中通过强化学习训练的AI研究模型。该模型能够自主规划研究步骤、动态调整搜索策略并进行交叉验证，展现出人类研究者的复杂行为。DeepResearcher在多个问答数据集上表现优异，显著提升了研究效率，填补了开源Deep Research领域的空白。
🎯
关键要点
- 上海交通大学与SII联合发布DeepResearcher，这是首个在真实网络环境中通过强化学习训练的AI研究模型。
- DeepResearcher能够自主规划研究步骤、动态调整搜索策略并进行交叉验证，展现出人类研究者的复杂行为。
- 现有的商业产品如OpenAI的Deep Research存在技术细节不公开和开源项目依赖人工设计工作流程的问题。
- DeepResearcher通过强化学习扩展在真实网络环境中训练，形成了强大的研究能力。
- 在面对开放性问题时，DeepResearcher会主动开展更精确的搜索以验证信息准确性。
- DeepResearcher在多个问答数据集上表现优异，显著提升了研究效率。
- 真实网络环境的训练使模型能够处理动态变化的信息，发展复杂的信息整合能力。
- RL Scaling是确保模型泛化能力的关键机制，模型能够根据问题性质构建有效的搜索查询。
- 端到端的RL训练使DeepResearcher能够自主发现最优的研究路径，灵活调整搜索策略。
- 研究团队通过创新方法解决了真实环境中强化学习的技术挑战，确保系统稳定高效运行。
- DeepResearcher的推理轨迹包括推理、网页搜索工具、网页浏览智能体和回答生成。
- 实验结果显示DeepResearcher在真实环境中训练的关键优势，尤其在复杂问题上表现出色。
- DeepResearcher展现出多种非预期的认知能力，包括规划、交叉验证、反思和诚实。
- DeepResearcher的成功标志着AI辅助研究的重大突破，为未来研究提供了宝贵见解。
❓
延伸问答
DeepResearcher是什么？
DeepResearcher是首个在真实网络环境中通过强化学习训练的AI研究模型，由上海交通大学与SII联合发布。
DeepResearcher如何提升研究效率？
DeepResearcher能够自主规划研究步骤、动态调整搜索策略并进行交叉验证，从而显著提升研究效率。
DeepResearcher与现有商业产品有什么不同？
DeepResearcher是开源的，解决了现有商业产品技术细节不公开和依赖人工设计工作流程的问题。
DeepResearcher在真实环境中训练的优势是什么？
在真实环境中训练使DeepResearcher能够处理动态变化的信息，发展复杂的信息整合能力，提升泛化能力。
DeepResearcher如何进行信息的交叉验证？
DeepResearcher会从多个来源获取信息并进行交叉验证，基于信息的可靠性和一致性进行判断。
DeepResearcher的训练方法是什么？
DeepResearcher采用强化学习（RL）训练，使用群体相对策略优化（GRPO）算法进行优化。
➡️
