Test-Time Diffusion Deep Researcher: Novi Standard u Pisanju…

Rujun Han i Chen-Yu Lee, istraživači iz Google Clouda, predstavljaju Test-Time Diffusion Deep Researcher (TTD-DR), okvir koji koristi Deep Research agenta za sastavljanje i revidiranje vlastitih nacrta koristeći visoko kvalitetne dobavljene informacije. Ovaj pristup postiže nove vrhunske rezultate u pisanju dugotrajnih istraživačkih izvješća i izvršavanju složenih razmišljanja zadataka. Brzi linkovi: Paper ×

Nedavne napredne u velikim jezikovnim modelima (LLMs) potakle su nastanak dubokih istraživačkih (DR) agenata. Ovi agenti pokazuju izuzetne sposobnosti, uključujući generiranje novih ideja, učinkovito dobavljanje informacija, izvršavanje eksperimenata i sastavljanje detaljnih izvješća i akademskih radova. Trenutno, većina javnih DR agenata koristi raznovrsne pametne tehnike za poboljšanje svojih rezultata, kao što je razmišljanje putem lančanog razmišljanja ili generiranje više odgovora i odabir najboljeg. Iako su napravili impresivne napredke, često spajaju različite alate bez obzira na iterativni prirodni proces istraživanja. Nedostaje im ključni proces (tj. planiranje, nacrtovanje, istraživanje i iteriranje na temelju povratne informacije) na koji ljudi ovisnu kada pišu rad o složenom temom. Važan dio tog procesa revizije je dodatno istraživanje kako bi se pronašle nedostajuće informacije ili jačale argumente. Ovaj ljudski uzorak iznenađujuće je sličan mehanizmu modela difuzije s dopunom dobavljanja koji počinje s “šumom” ili neuređenim izlazom i postupno ga usavršava u visoko kvalitetan rezultat. Što ako je neuređeni nacrt AI agenta, a alat za pretraživanje korak denoising koji ga očisti novim činjenicama? Danas predstavljamo Test-Time Diffusion Deep Researcher (TTD-DR), DR agenta koji imitira način na koji ljudi rade istraživanje. Naše znanje, TTD-DR je prvi istraživački agent koji modelira pisanje istraživačkih izvješća kao difuzijski proces, gdje neuređeni prvi nacrt postepeno postaje visoko kvalitetna konačna verzija. Predstavljamo dva nova algoritma koja rade zajedno kako bi omogućili TTD-DR. Prvo, optimizacija po komponentama putem samoevolucije poboljšava kvalitetu svakog koraka u istraživačkom radnom toku. Zatim, refinoiranje izvješća na razini izvješća putem denoisinga s dobavljanjem primjenjuje novodobavljene informacije za revidiranje i poboljšanje nacrta izvješća. Pokazujemo da TTD-DR postiže vrhunske rezultate na dugotrajnim zadacima pisanja izvješća i razmišljanja s više koraka.

Test-Time Diffusion Deep Researcher (TTD-DR)

TTD-DR je dizajniran da uzme korisnički upit kao ulaz, a zatim stvori predvodni nacrt koji služi kao evoluirajući temelj za vodjenje istraživačkog plana. Evoluirajući nacrt iterativno se usavršava putem procesa denoisinga s dobavljanjem (refinoiranje na razini izvješća) koji koristi pronađene informacije kako bi poboljšao nacrt na svakom koraku. Ovo se događa u kontinuiranom petlji koji poboljšava izvješće s svakim ciklusom. Na vrh svega, algoritam samoevolucije stalno poboljšava cijeli proces, od početnog plana do konačnog izvješća. Ova moćna kombinacija refinoiranja i samopoboljšanja vodi do procesa pisanja izvješća koji je više koherentan.

Ilustracija TTD-DR

Dizajnirali smo ga da imitira tipične istraživačke prakse izvršavajući iterativne cikluse nacrtovanja i revizije. Osnovni dizajn DR sastoji se od tri faze koje izlažemo ispod.

Osnovni dizajn DR

Generiranje istraživačkog plana

Proizvodi strukturirani istraživački plan nakon primanja korisničkog upita. Ovaj plan navodi popis ključnih područja potrebnih za konačno izvješće, što služi kao početni vodič za sljedeći proces dobavljanja informacija.

Iterativno pretraživanje

Sadrži dva pod-agenta: Generiranje pitanja za pretraživanje (faza 2a na slici ispod) formira pretraživački upit na temelju istraživačkog plana, korisničkog upita i konteksta iz prethodnih pretraživačkih iteracija (tj. prošla pitanja i odgovori). Pretraživanje odgovora (faza 2b) pretražuje dostupne izvore kako bi pronašao relevantne dokumente i vratio sažeti odgovor, slično sistemima s dopunom dobavljanja (RAG).

Generiranje konačnog izvješća

Proizvodi detaljno i koherentno konačno izvješće kombiniranjem svih strukturiranih informacija koje su prikupljene, to jest plana i serije parova pitanja-odgovora. Naš osnovni DR agent radi u tri faze. Faza 1 generira detaljni istraživački plan; Faza 2a iterativno generira pitanja za pretraživanje, a zatim koristi sistem sličan RAG-u kako bi sintetizirao točne odgovore iz dobavljenih dokumenata (2b); Faza 3 sintetizira sve prikupljene informacije kako bi proizveo konačno izvješće.

Samoevolucija po komponentama

Koristimo algoritam samoevolucije kako bismo poboljšali performanse agenata svake faze kako bismo pronašli i sačuvali visoko kvalitetan kontekst. Početni stanovi: Najljeviji blokovi na dijagramu predstavljaju raznovrsne varijante odgovora na temelju izlaza prethodnih faza, koje se koriste za istraživanje većeg pretraživačkog prostora. To idealno dovodi do otkrića vrijednijih informacija.

Zaključak

Test-Time Diffusion Deep Researcher (TTD-DR) predstavlja revolucionarni pristup pisanju istraživačkih izvješća, imitirajući ljudski proces istraživanja. Njegova sposobnost iterativnog usavršavanja i samopoboljšanja čini ga izuzetno učinkovitim u pisanju dugotrajnih izvješća i razmišljanju s više koraka. Ovaj okvir predstavlja važan korak naprijed u razvoju umjetne inteligencije i može imati duboke implikacije za akademsku zajednicu i industriju.

Česta pitanja

Kako TTD-DR razlikuje od drugih DR agenata?

TTD-DR se razlikuje od drugih DR agenata po tome što modelira pisanje istraživačkih izvješća kao difuzijski proces, što mu omogućava iterativno usavršavanje i samopoboljšanje. Drugi agenti često spajaju različite alate bez obzira na iterativni prirodni proces istraživanja.

Koliko dugo traje proces generiranja izvješća s TTD-DR?

Vrijeme potrebno za generiranje izvješća s TTD-DR ovisi o složenosti teme i količini informacija koje je potrebno prikupiti. Općenito, proces može potrajati nekoliko minuta do nekoliko sati, ovisno o kompleksnosti zadatka.

Može li TTD-DR koristiti različite izvore informacija?

Da, TTD-DR može koristiti različite izvore informacija, uključujući akademska izvješća, znanstvene članke i web stranice. Njegov algoritam za dobavljanje informacija je dizajniran kako bi pronašao relevantne dokumente iz raznovrsnih izvora.

Je li TTD-DR dostupan za javnost?

Trenutno, TTD-DR je u razvoju i nije dostupan za javnost. Istraživači iz Google Clouda rade na njegovom poboljšanju i optimizaciji prije nego što ga objave za javnu upotrebu.