•
OpenAI緊急直播，ChatGPT瘋狂開掛「深度研究」！10分鐘爆肝萬字現AGI雛形，刷榜人類最後考試
【新智元導讀】剛剛，OpenAI再度緊急出手，在發佈會直播全新的「Deep Research」功能。基於o3的推理再加上聯網搜尋，ChatGPT如今可以完成耗費人類專家數小時的複雜研究了！現在，模型已經刷爆「人類最後考試」榜單。
一大早，OpenAI開啟的線上直播，簡直讓人猝不及防。
OpenAI研究負責人Mark Chen帶領三位工作人員，在20多分鐘內向我們詳細演示了Deep Research的功能。
最大亮點之一：只要數十分鐘，它就能完成人類專家花費幾小時的複雜調研任務！
Mark Chen將之稱為「我們的下一代智能體產品」。
去年，OpenAI就推出了o1，但這些推理模型的一個限制，是它們無法使用工具，因為缺少了瀏覽網際網路這個核心能力，
因此，現在OpenAI宣佈了一個重大步驟：引入Deep Research！
奧特曼激動地表示，這就像是擁有一種超能力，可以隨時呼叫專家！
它能夠使用網際網路進行複雜的研究和推理，並為你提供詳細報告。它非常強大，能夠完成那些通常需要數小時、數天，且花費數百美元的任務。
需要強調的是，Deep Research是基於最佳化版o3打造——一個可以瀏覽網頁和執行python程式碼的o3。
這是一個可以在網際網路上進行多步驟研究的模型，它能發現、綜合內容，並對之進行推理。甚至隨著發現更多資訊，它還會調整自己的計畫。
也就是說，Deep Research的一大特點，就是消除了模型中的延遲限制，它返回結果可能需要五分鐘，甚至長達半小時。
模型能在無人監督的情況下，以更長時間執行自主任務，這儼然就是AGI的雛形。最終，OpenAI的願景是：模型能自主發現和發掘新知識。
OpenAI研究員表示，「使用Deep Research對我來說真的是一次個人的AGI時刻。只要10分鐘，它就能生成精準又全面的競爭對手和市場研究報告（還有來源），以前這些東西我得花3個小時才能做完」。
現在，Deep Research會自己上網，然後給你一份全面、引用翔實的研究論文！也就是說，它已經妥妥達到了某領域研究專家的等級。
奧特曼還特意發文表示，這還不是o3-mini的「One More Thing」，這個小彩蛋過幾天公佈。
今天，Deep Research就將在Pro中推出了（每月100次查詢），之後還會很快在Plus、Team、Education和Enterprise版本中上線。
幫PM完成深度市場調查報告
從一個按鈕「Deep Research」開始，就可以和Deep Research聊天了。
OpenAI研究者演示說，自己一直在思考的就是，是否該開發一款新的語言翻譯app呢？
這個市場調研，就可以交給Deep Research——
「幫我找到ios和Android的採用率，想要學習另一種語言的人的百分比，過去幾年移動普及率的變化，以及發達國家和開發中國家的差異。」
研究者明確表示，希望自己想要的資訊以格式化的報告呈現，其中要包含表格和明確建議，說明那些是最佳的新興機會。
這個市場調查要求，可著實不簡單。如果是普通打工人來調研，最少也得花費數小時。
但是Deep Research，立馬就啟動了調查。
接下來，研究者進一步細化了自己的要求：給我滲透率的使用者百分比，分析總體使用情況，對其餘部分進行最好的假設。
在這裡，Deep Research就開始發揮自己的長處：自主啟動研究過程。
在這個過程中，它會瀏覽不同網頁，查看相關圖片、表格、PDF，提取所有資訊，來確定下一步要做什麼。
在OpenAI的演示結束時，Deep Research仍然在進行搜尋和調研。此時，它已經查看了29個不同來源和大量資訊。
可以看出，它的報告中已經包含了不同的表格，以及多種呈現資料的形式。
而且，我們能夠點選查看模型的每一個引用，以及它遇到的不同網站。
對於不同學術領域的市場研究，比如物理學、電腦科學、生物學，Deep Research都很擅長。
OpenAI研究者還展示了一個財務研究的例子：「我是一個矽谷風投公司的投資分析師，想分析民用超音速航空旅行市場，準備一份詳盡的投資備忘錄。」
在這個過程中，模型開展了7分鐘的研究，使用了12個不同來源，提供了一份全面的調查報告。
下面是一個生物學方面的例子。
研究者上傳了一篇論文，想找到關於同一主題的其他論文。
最終Deep Research給出的結果，得到了生物學專家的認可。
有趣的東西：買買買
而且，Deep Research能做的絕不僅僅是嚴肅的學術調查報告，它還可以幫你完成很多有趣、好玩的調查，比如——我該買什麼？
如果我們要入手一件很貴的東西，肯定不敢貿然下單，而是提前在網上細細研讀每一頁說明和買家評論。
比如想在日本滑雪，想買滑雪板，就可以直接讓Deep Research給我們出一份帶表格的報告。
在這個過程中，我們可以細化要求：高級滑雪者，有時雪是粉狀的，自己身高很高所以需要長滑雪板，而且顏色要很漂亮。
最終，Deep Research給出了長篇的報告，還對理想的滑雪板做了詳細列表。
也就是說，如果你想要的答案非常具體，那麼Deep Research就會非常有效。
甚至，我們可以用Deep Research找出10年前在東京去過的餐廳的名字，或者找到我們忘記名字、但記得其中某集內容的電視劇。
除了描述情節之外，其餘的資訊就是這是5到10年前的電視劇了。
結果，Deep Research居然找出了正確答案！
最佳化版o3加持，AGI又近一步
去年12月，Google最先放出了研究智能體Deep Research。
OpenAI同款Deep Research，也是智能體的一種，能夠針對複雜任務上網進行多步研究。
它能在幾十分鐘內，完成人類需要數小時才能完成的工作。
只需一個提示，ChatGPT即可尋找、分析和綜合數百個線上資源，建立一份「研究分析師級」的綜合報告。
值得一提的是，Deep Research由即將推出的o3模型的「最佳化版本」加持。
OpenAI通過端到端強化學習，對它的深度瀏覽和推理任務進行了訓練。
該版本專門用於網頁瀏覽和資料分析，它利用推理能力來搜尋、解釋和分析網際網路上大量的文字、圖像和PDF，並根據遇到的資訊隨時調整方向。
要知道，「綜合知識」的能力，是創造新知識的先決條件。
因此，Deep Research的推出，標誌著OpenAI向更廣泛的目標——開發AGI邁出了重要一步。
OpenAI研究科學家Hyung Won Chung對此表示：
Deep Research的一個顯著特點就是它極強的耐心。我認為它已經接近了「超人類耐心」。在這個項目的過程中，我意識到智力和耐心是非常契合的。
就像推理模型o1一樣，Deep Research是通過強化學習（RL）進行學習的。它學習如何搜尋相關資訊，並通過推理整合知識。當scale遇上RL時，魔力就會產生。
畢竟，OpenAI一直設想，真正的AGI是能夠自己產出新穎的科學研究。
幾天前的Reddit線上問答中，奧特曼也發表了同樣的觀點。
在我看來，最重要的影響將是加速科學發現的速度，我認為這是對提高生活質量貢獻最大的因素。
一個提示，即出一份專業報告
那麼，Deep Research究竟能做什麼？
據OpenAI介紹，它是專為那些在金融、科學、政策和工程等領域從事密集知識工作，需要全面、精確和可靠研究的人們而打造的。
對於那些「買買買」購物狂來說，Deep Research還能為你所需研究的購買項目，比如汽車、家電、家具等，提供高度的個性化建議。
而且，每個輸出都有完整的文件記錄，包含清晰的引用和思維過程總結，方便隨後參考和驗證。
尤其是，它特別擅長髮現需要瀏覽眾多網站才能獲取的小眾、非直觀資訊。
只需查詢一次，Deep Research就能get要點，加快複雜、耗時的網路研究，節省了大量寶貴的時間。
此外，Deep Research能夠獨立發現、推理並整合來自網路各種見解。
在技術層面上，它採用了與o1相同的強化學習方法，並進行了重要的升級。
它在真實世界任務中進行了訓練，整合了瀏覽器的操作能力，強化了Python工具使用。
雖然o1在編碼、數學和其他技術領域展示了令人印象深刻的能力，但許多現實世界的挑戰需要從不同線上來源獲取大量背景和資訊。
Deep Research在這些推理能力的基礎上彌補了這一差距，使其能夠處理人們在工作和日常生活中面臨的各類問題。
最快5分鐘，圖像資料可視化要來
進入ChatGPT，可以再聊天對話方塊中選擇「Deep Research」，直接輸入提示即可。
不論是對串流媒體平台的競爭分析，還是關於最佳通勤自行車的個性化報告，ChatGPT全能hold住。
甚至，你還可以上傳檔案、電子表格，提供與問題更多相關的背景資訊。
一旦開啟對話，側邊欄會顯示改採取步驟和資訊來源的摘要。
一般來說，Deep Research需要5-30分鐘完成一份研究，具體實踐取決於深入網路研究所需的時間。
在此期間，你完全可以去幹別的事，ChatGPT完成研究後會主動向你傳送通知，最終的輸出將以報告形式展現在聊天中。
更驚喜的是，未來幾周，OpenAI還將在這些報告中加入嵌入式圖像、資料可視化和其他分析輸出，提供更多清晰度和背景資訊。
與Deep Research相比，GPT-4o更適合即時的多模態對話。
對於需要深入和細節的多維度、專業領域的問題，Deep Research能夠進行廣泛探索並為每個論點提供引用來源。
這種能力使其有別於簡單的快速總結，而是能夠提供經過充分論證和驗證的專業答案，這些答案的質量足以作為正式的工作成果使用。
比如，你想要統計過去10年內，按GDP排名的前10個發達國家和前10個開發中國家的以下資料：iOS和Android系統的使用率、想學習另一門語言的人口比例、移動裝置普及率的變化。
GPT-4o僅僅是幫你列了出來，而Deep Research更像是一個報告，甚至給出了完整的可視化表格。
端到端強化學習，與o1同源
Deep Research是如何運作的？
它通過在各個領域的複雜瀏覽和推理任務上，進行端到端強化學習訓練而成。
通過這種訓練，它學會了規劃和執行多步驟路徑，找到所需資料，必要時可以回溯並對即時資訊做出反應。
該模型還能夠瀏覽使用者上傳的檔案，使用Python工具繪製和迭代圖表，在回答中嵌入生成的圖表和網站圖片，並引用其來源中的具體句子或段落。
通過這種訓練，它在多個關注現實世界問題的公開評估中刷新SOTA。
人類最後一場考試，得分26.6%刷爆了
全網爆火的「人類最後一次考試」中，Deep Research取得了26.6%精準率破紀錄。
奧特曼驕傲地表示，早在周五，「人類最後一場考試」的最高分是 o3-mini-high，得分為 13%。但到了周日，Deep Research功能的得分已經達到了26.6%。
要知道這項測試包含了超3,000道「專家級」多選題和簡答題，涵蓋從語言學到火箭科學、從古典學到生態學等100多個學科。
與o1相比，最大的進步出現在化學、人文社會科學和數學領域。
驅動Deep Research的模型通過在必要時有效尋找專業資訊，展現出類人的解決方案。
GAIA
在GAIA測試中，這是一個評估AI解決現實世界問題能力的公開基準測試。
驅動Deep Research的模型同樣刷新SOTA，位居外部排行榜榜首。
這些測試包含三個難度等級的問題，成功完成這些任務需要具備推理能力、多模態流暢性、網頁瀏覽和工具使用等多項技能。
下面是一級和三級任務的對比區別。
專家級任務
另外，在對各個領域專家級任務的內部評估中，Deep Research能夠自動化完成，需要多個小時的複雜人工調查工作。
下圖為專家級任務與最大工具呼叫次數的對比，顯示出了模型花更多時間思考和瀏覽時，性能就會更強。
這跟OpenAI的理念相吻合：在未來世界裡，智能體將花費越來越長的時間，完成越來越困難的任務。
下面這個案例中，Deep Research進行的化學研究，節省了大約4小時的時間。
語言學方面，更是節省了5個小時。
以下兩個圖表可以證實這一事實。其中，上圖為不同估算經濟價值範圍的通過率，下圖為完成不同任務所需時間範圍的通過率。
所謂通過率，即模型在專家級任務中提供滿意答案的比率，答案由專家評定。
從圖表中可以看出，通過率與估算經濟價值的相關性，比估計小時數的相關性更高，也就是說，模型發現困難的事，也是對人類來說更耗時的事。
侷限性
Deep Research仍處於早期階段，同樣存在一些限制。
根據內部評估，它有時會在回答中產生虛構的事實或做出錯誤的推斷，不過，頻率明顯低於現有的ChatGPT模型。
它可能難以區分權威資訊和謠言，目前在置信度校準方面表現較弱，往往無法精準傳達不確定性。
在發佈時，報告和引用可能存在微小的格式錯誤，任務可能需要更長時間才能開始。
OpenAI預計所有這些問題都會隨著使用時間的增加而快速改善。
Pro使用者先上手，Plus一個月內上線
OpenAI稱，Deep Research在ChatGPT中非常消耗計算資源。
研究查詢所需時間越長，所需的推理計算就越多。
目前，OpenAI開始向Pro使用者提供最佳化版本，每月最多100次查詢。
接下來，這項功能會逐漸向Plus和Team使用者（帶越一個月內），以及Enterprise使用者推出。
未來，所有付費使用者都將獲得更高的使用配額。
屆時，OpenAI將發佈一個更快、更具成本效益的深度研究版本，它由更小的模型驅動，但仍能提供高品質的結果。
下一步：Operator+Deep Research
ChatGPT的Deep Research功能現已在網頁版正式上線，並將在一個月內推廣到移動端和桌面端。
如前所述，目前，Deep Research可以訪問即時網際網路，獲取最新資訊，並對上傳的檔案進行深入分析。
但，這僅僅是開始。
未來，任何一個人將能夠接入更專業的資料來源，比如學術期刊或企業內部資源。
這種定製化的知識獲取能力，讓ChatGPT真正成為你的專屬智能助手。
最激動人心的是，OpenAI正在醞釀一場更大的革命。
下一步，通過將Deep Research（負責非同步網路調查）與Operator（負責實際行動執行）相結合，ChatGPT將不再侷限於資訊處理，能夠為每個人執行愈加複雜的任務。
這種突破性組合，將開創一個全新的AI個人助手時代。 (新智元)