反擊DeepSeek，OpenAI大動(dòng)作！

快訊 2025年02月04日 11:15 1 admin

每經(jīng)編輯畢陸名

當(dāng)?shù)貢r(shí)間周日（2月2日），OpenAI發(fā)布了一款名為“深層研究”（deep research）的功能，并上傳了演示視頻。

OpenAI在官網(wǎng)寫道，這項(xiàng)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(wù)。簡(jiǎn)單來說，就是“深層研究”可以從互聯(lián)網(wǎng)上收集信息，并將其合成為簡(jiǎn)明的報(bào)告。

“深度研究可以獨(dú)立為您工作：您給它一個(gè)提示，ChatGPT就會(huì)查找、分析和綜合數(shù)百個(gè)在線資源，以“研究分析師的水平”創(chuàng)建一份綜合報(bào)告。它將由OpenAI o3的一個(gè)版本提供支持，該模型針對(duì)網(wǎng)頁(yè)瀏覽和數(shù)據(jù)分析進(jìn)行了優(yōu)化，可利用推理來搜索、解釋和分析網(wǎng)上大量文本、圖像和PDF，并根據(jù)信息做出必要的調(diào)整?！?/p>

OpenAI聲稱，deep research“只需數(shù)十分鐘就能完成人類需要數(shù)小時(shí)才能完成的工作?！笔紫a(chǎn)品官Kevin Weil也提到，它完成的任務(wù)對(duì)人類來說可能需要30分鐘到30天不等。

官網(wǎng)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(fā)達(dá)國(guó)家和前10的發(fā)展中國(guó)家的iOS和安卓普及率，并將這些信息繪制在一個(gè)表格中。

另外，還可以通過三個(gè)電視劇片段找出劇集的名字，統(tǒng)計(jì)NFL（美國(guó)國(guó)家橄欖球聯(lián)盟）踢球手的平均退役年齡，提供滑雪板的購(gòu)買建議，以及醫(yī)學(xué)研究、UX設(shè)計(jì)等更專業(yè)的領(lǐng)域。

反擊DeepSeek，OpenAI大動(dòng)作！

OpenAI稱，deep research是為從事金融、科學(xué)、公共政策、工程等領(lǐng)域知識(shí)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(wǎng)提到，支持deep research的模型在一項(xiàng)覆蓋100多個(gè)學(xué)科的專家級(jí)測(cè)試中，以26.6%的準(zhǔn)確率創(chuàng)下了新高。

Deep Research是基于OpenAI的o3模型之上開發(fā)而成的，并針對(duì)多種特定任務(wù)進(jìn)行了深度優(yōu)化和精調(diào)。

端到端強(qiáng)化學(xué)習(xí)是Deep Research的關(guān)鍵所在。傳統(tǒng)的機(jī)器學(xué)習(xí)方法在處理復(fù)雜任務(wù)時(shí)，往往需要人為地劃分多個(gè)階段進(jìn)行訓(xùn)練和優(yōu)化，而端到端強(qiáng)化學(xué)習(xí)則讓模型從輸入到輸出進(jìn)行整體的學(xué)習(xí)和優(yōu)化。

Deep Research通過這種學(xué)習(xí)方式，學(xué)會(huì)了規(guī)劃和執(zhí)行多步驟的研究軌跡。在面對(duì)一個(gè)復(fù)雜的研究課題時(shí)，它能夠像人類研究者一樣，制定出合理的研究計(jì)劃，先確定從哪些渠道獲取信息，然后根據(jù)獲取到的信息進(jìn)行分析，判斷下一步的研究方向。

如果在研究過程中發(fā)現(xiàn)之前的計(jì)劃存在偏差，它還能像經(jīng)驗(yàn)豐富的研究者一樣進(jìn)行回溯，重新調(diào)整研究策略，確保最終能得到準(zhǔn)確且有價(jià)值的結(jié)果。

在這個(gè)學(xué)習(xí)過程中，模型不斷地與環(huán)境進(jìn)行交互，從環(huán)境反饋中學(xué)習(xí)最優(yōu)的行為策略。在瀏覽網(wǎng)頁(yè)獲取信息時(shí)，模型會(huì)根據(jù)網(wǎng)頁(yè)內(nèi)容的相關(guān)性、可信度等因素，決定是否深入瀏覽該網(wǎng)頁(yè)，以及如何提取其中有用的信息。

這種基于實(shí)時(shí)信息進(jìn)行決策和調(diào)整的能力，是Deep Research能夠高效完成復(fù)雜研究任務(wù)的重要保障。

除了端到端強(qiáng)化學(xué)習(xí)，去除模型的響應(yīng)限制也是Deep Research的重要技術(shù)突破。傳統(tǒng)的大模型為了追求快速響應(yīng)，往往在處理復(fù)雜問題時(shí)只能淺嘗輒止，無法進(jìn)行深入的思考和分析。

Deep Research打破了這一限制，允許模型花費(fèi)5—30分鐘甚至更長(zhǎng)時(shí)間來處理問題。這使得模型有足夠的時(shí)間對(duì)海量的網(wǎng)絡(luò)信息進(jìn)行篩選、分析和整合，從而能夠輸出更加全面、深入、準(zhǔn)確的研究成果。

例如，在進(jìn)行市場(chǎng)調(diào)研類任務(wù)時(shí)，模型可以花費(fèi)足夠的時(shí)間去收集不同地區(qū)、不同時(shí)間段的市場(chǎng)數(shù)據(jù)，對(duì)市場(chǎng)趨勢(shì)進(jìn)行更精準(zhǔn)的預(yù)測(cè)；在學(xué)術(shù)研究領(lǐng)域，它能夠深入研讀大量的文獻(xiàn)資料，挖掘出不同研究之間的潛在聯(lián)系，為科研工作者提供更具價(jià)值的研究思路。

每日經(jīng)濟(jì)新聞綜合OpenAI官網(wǎng)

免責(zé)聲明：本文內(nèi)容與數(shù)據(jù)僅供參考，不構(gòu)成投資建議，使用前請(qǐng)核實(shí)。據(jù)此操作，風(fēng)險(xiǎn)自擔(dān)。

封面圖片來源：每日經(jīng)濟(jì)新聞

標(biāo)簽：反擊 DeepSeek 動(dòng)作