OpenAI发布新Agent deep research 打破“人类的最后考试”记录

作者｜王博

在北京时间今天上午，OpenAI正式推出了一款名为Deep Research的新功能。这一智能体集成至ChatGPT中，旨在帮助用户处理复杂的多步骤研究任务，打破了“人类的考试”这一新兴基准测试的记录，展现出其强大的推理与信息整合能力。

Deep Research的功能定位

Deep Research是一款以推理能力为核心的智能体，能够从互联网上获取和分析大量信息，并为用户提供详尽的研究报告。ChatGPT Pro用户已可享用此功能，未来，Plus和Team用户也将陆续开放使用。这意味着，用户只需在ChatGPT的对话框中描述所需的报告主题，并勾选Deep Research选项，便可轻松获取全面、精准的研究成果。

近两周内，OpenAI已连续发布了三款产品，其中包括这款全新的Agent、首个AI Agent——Operator，以及最新的推理模型o3-mini。而Deep Research的推出，正是在DeepSeek-R1发布之后，再次展示了OpenAI在智能体开发领域的快速进步。

取得的里程碑成就

在Deep Research发布的演示中，它成功在“人类的考试”中取得了26.6%的准确率，几乎是之前o1模型的三倍。这一成就在一定程度上验证了Deep Research的强大能力，其在Chemistry、人文科学和社会科学等领域的表现尤为突出。

“人类的考试”，由Center for AI Safety（CAIS）和Scale AI共同推出，是一项旨在评估语言模型（LLMs）推理能力的新基准测试。与以往的基准测试相比，此次测试引入了更高难度的原创题目，考查模型在解决复杂问题和深度推理方面的能力，尤其是在数学和自然科学领域。

技术驱动的创新

Deep Research的成功，得益于其基于OpenAI o3模型的优化版本，这一版本专为网络浏览和数据分析而设计。它能够灵活地从用户上传的文件中提取信息，并生成相应的图表、数据及相关来源。这种复杂的任务处理能力使其能够高效找到用户所需的信息，并通过推理判断优化其结果。

OpenAI的开发人员在深度学习和强化学习方面进行了大量训练，使Deep Research能够自主执行多步骤操作，并在必要时进行信息回溯。这种技术的革命不仅提升了智能体的工作效率，也为其在研究领域的应用提供了广阔的空间。

未来的挑战与展望

尽管Deep Research在“人类的考试”中取得了显著的成绩，OpenAI对其未来的发展仍然持谨慎态度。Deep Research在处理复杂任务和信息检索时，仍可能面临幻觉反应或错误推断的风险，目前在信心校准及权威信息辨别上尚显薄弱。OpenAI预计这些问题会随着使用频率的增加而逐步得到改善。

值得注意的是，“人类的考试”的组织团队已表示，随着基准测试的进一步发展，大模型的准确率有望在2025年超过50%。这将意味着语言模型在处理封闭式、可验证的问题和尖端科学知识方面能够达到专家级水平，尽管并不意味着它们具备自主研究能力或实现通用人工智能（AGI）。

OpenAI的Deep Research不仅在技术上设立了新的标杆，更在人工智能研究与应用的历史上书写了重要的一页。随着这一智能体的推广，用户将享受到更加高效且个性化的研究体验，而深度学习领域的专家也将被进一步激励，力争在未来的研究中发掘AI与人类协同合作的全新可能性。

未来，如何充分利用这一技术以推动科学研究、商业决策和信息分析等领域的进步，将是OpenAI和广大研究人员共同面对的挑战与机遇。随着AI技术的不断演化，“人类的考试”也并非终点，而是一个更高层次的知识追求的开端。