每经编辑 毕陆名

当地时间周日（2月2日）
，OpenAI发布了一款名为“深层研究 ”（deep research）的功能，并上传了演示视频。

OpenAI在官网写道 ，这项代理功能使用推理综合大量线上信息，并为用户完成多步骤研究任务 。简单来说
，就是“深层研究
”可以从互联网上收集信息，并将其合成为简明的报告
。

“深度研究可以独立为您工作：您给它一个提示 ，ChatGPT就会查找、分析和综合数百个在线资源
，以“研究分析师的水平”创建一份综合报告。它将由OpenAI o3的一个版本提供支持，该模型针对网页浏览和数据分析进行了优化 ，可利用推理来搜索 、解释和分析网上大量文本
、图像和PDF
，并根据信息做出必要的调整 。 ”

OpenAI声称，deep research“只需数十分钟就能完成人类需要数小时才能完成的工作。”首席产品官Kevin Weil也提到 ，它完成的任务对人类来说可能需要30分钟到30天不等
。

官网贴出了一些使用deep research的案例
，比如让ChatGPT找出过去10年GDP排名前10的发达国家和前10的发展中国家的iOS和安卓普及率，并将这些信息绘制在一个表格中。

另外 ，还可以通过三个电视剧片段找出剧集的名字
，统计NFL（美国国家橄榄球联盟）踢球手的平均退役年龄，提供滑雪板的购买建议 ，以及医学研究、UX设计等更专业的领域 。

OpenAI称，deep research是为从事金融 、科学、公共政策
、工程等领域知识密集型工作并需要全面、精确和可靠研究的人员而打造的
。目前
，该功能已可供Pro用户使用。

官网提到，支持deep research的模型在一项覆盖100多个学科的专家级测试中 ，以26.6%的准确率创下了新高 。

Deep Research是基于OpenAI的o3模型之上开发而成的
，并针对多种特定任务进行了深度优化和精调
。

端到端强化学习是Deep Research的关键所在。传统的机器学习方法在处理复杂任务时，往往需要人为地划分多个阶段进行训练和优化 ，而端到端强化学习则让模型从输入到输出进行整体的学习和优化 。

Deep Research通过这种学习方式
，学会了规划和执行多步骤的研究轨迹
。在面对一个复杂的研究课题时，它能够像人类研究者一样 ，制定出合理的研究计划
，先确定从哪些渠道获取信息，然后根据获取到的信息进行分析 ，判断下一步的研究方向。

如果在研究过程中发现之前的计划存在偏差
，它还能像经验丰富的研究者一样进行回溯，重新调整研究策略 ，确保最终能得到准确且有价值的结果 。

在这个学习过程中，模型不断地与环境进行交互
，从环境反馈中学习最优的行为策略
。在浏览网页获取信息时，模型会根据网页内容的相关性 、可信度等因素 ，决定是否深入浏览该网页
，以及如何提取其中有用的信息。

这种基于实时信息进行决策和调整的能力，是Deep Research能够高效完成复杂研究任务的重要保障 。

除了端到端强化学习 ，去除模型的响应限制也是Deep Research的重要技术突破。传统的大模型为了追求快速响应
，往往在处理复杂问题时只能浅尝辄止，无法进行深入的思考和分析
。

Deep Research打破了这一限制 ，允许模型花费5—30分钟甚至更长时间来处理问题。这使得模型有足够的时间对海量的网络信息进行筛选
、分析和整合
，从而能够输出更加全面、深入 、准确的研究成果 。

例如，在进行市场调研类任务时 ，模型可以花费足够的时间去收集不同地区
、不同时间段的市场数据
，对市场趋势进行更精准的预测；在学术研究领域，它能够深入研读大量的文献资料 ，挖掘出不同研究之间的潜在联系，为科研工作者提供更具价值的研究思路
。

每日经济新闻综合OpenAI官网

免责声明：本文内容与数据仅供参考
，不构成投资建议，使用前请核实。据此操作 ，风险自担 。

封面图片来源：每日经济新闻