周末，谷歌发了一个博客，讲Deep Research 的。 重新定义过去的一些Agent常见范式，全是技巧，很值得一看。

现在的AI Agent，能力很强。让它写一份研究报告，它能瞬间检索几十、上百的参考文献，然后哐哐哐吐几千字，但是实际内容可能经不起细看。

大多数Agent的工作模式是“规划-检索-然后-生成”，他们想打破这个范式，让AI像一个真正的人类专家一样做研究。

先打草稿，然后不断检索、学习来迭代修正，最终降噪成一篇高质量的报告。

需要注意的是，标题的Diffusion，跟真正的扩散模型没有半毛钱关系。

从结果来看，这套新的框架，暴捶了 OpenAI Deep Research。

反思

过去，我们先规划-> 搜集 -> 撰写 的模式有什么问题呢？

比如：根据你的问题，拆解出几个关键词。

去数据库或网络上搜索相关信息。

把搜到的信息汇总、提炼，生成一份报告。

这个流程本身没问题，但它缺少全局观。

AI并不知道最终要讲一个什么故事，它只是完成填空。

导致报告常常前后矛盾，重点不突出。

谷歌的想法

从人的角度来看，写一个好的报告。

会先基于已有知识，快速形成一个初步大纲和草稿（可能一般），然后再带着问题去查漏补缺，用新找到的信息来修正和丰富草稿，如此反复，直到报告变得完美。

这个过程，像是 Diffusion （将一堆噪声的图片逐步去噪）。

具体的流程如下：

生成计划

AI会根据你的需求，生成一个初步的研究计划和一份非常粗糙的草稿。

迭代检索、修正

接下来，Agent会把这份草稿作为上下文，反过来思考：“为了让这份报告更好，我下一步最需要什么信息？” 然后它会生成新的检索问题，找到答案后，再用这个新答案来“降噪”——修正和升级整个报告草稿。

循环往复

这个用草稿指导检索，用检索优化草稿的过程会一直循环，直到AI认为报告质量已经足够高。

这样的好处是，整个研究过程始终有一个明确的目标和主线，所有后续的信息检索都是为了让最终的故事更连贯、更深入，而不是东拼西凑。

黑科技

除了上面大的流程，还有2个小技巧优化。

AI自己给自己找茬

在每一个环节（比如生成检索问题、总结答案），AI都不是一次就过。

内部会同时生成多个不同的版本（Initial states），然后让一个 LLM 来打分和提供修改意见（Environmental feedback），接着根据意见进行修改（Revision），最后再把所有版本中最精华的部分融合（Cross-over），形成一个最高质量的输出。

相当于，每一步都进行了深度的头脑风暴和自我批判，确保了过程中的每一步的写作都是非常的高质量的。

报告级降噪

当Agent找到新的信息，它会重新审视和修改整篇报告草稿。

这里不是直接插入到某个模块，保证了新知识能被完美地融入现有的逻辑框架，甚至可能引发对整个报告结构的重塑。

结果

这些不局限于写作，在需要多步推理和深度检索的 GAIA 等任务上，也全面优于OpenAI DeepResearch。

从下图中可以看到，仅有基础的 Backbone DR 架构时，表现不如 OpenAI。但一旦加上自我进化和扩散式降噪后，性能就一路狂飙，实现了反超。

最后

这个新的算法已经在 Google Agentspace 可以试用，地址： https://cloud.google.com/agentspace/docs/research-assistant

博客地址：https://research.google/blog/deep-researcher-with-test-time-diffusion

Google 的 Deep Research，过去的优势是可以搜索很多很多的网页，但是成文确实差点意思，但算是最大气的一家，真的希望越来越好。

AI大模型学习路线

如果你对AI大模型入门感兴趣，那么你需要的话可以点击这里大模型重磅福利：入门进阶全套104G学习资源包免费分享！

这份完整版的大模型 AI 学习和面试资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

这是一份大模型从零基础到进阶的学习路线大纲全览，小伙伴们记得点个收藏！

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

100套AI大模型商业化落地方案

大模型全套视频教程

200本大模型PDF书籍

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

LLM面试题合集

大模型产品经理资源合集

大模型项目实战合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓