阿里巴巴旗下通義團隊近日宣布推出全新AI研究工具——通義DeepResearch，標志著人工智能從基礎交互向深度研究能力的跨越式發(fā)展。該模型在Humanity's Last Exam、BrowseComp等七大權威基準測試中刷新最佳成績，30B參數(shù)版本實現(xiàn)與海外旗艦模型持平甚至超越的表現(xiàn)，同時以完全開源策略打破技術壁壘，覆蓋模型架構、訓練框架及解決方案全鏈條。
技術突破的核心在于創(chuàng)新的數(shù)據(jù)工程體系。研究團隊構建了三級數(shù)據(jù)生成管道：首階段通過知識圖譜與爬蟲數(shù)據(jù)構建實體錨定知識庫，生成覆蓋200余種場景的問答對；中段開發(fā)動作合成引擎，自動生成規(guī)劃、推理、決策三類動作數(shù)據(jù)，消除對商業(yè)API的依賴；終段采用模糊化策略與集合論建模，系統(tǒng)提升問題復雜度。該方案使數(shù)據(jù)質量超越人工標注，支持從網(wǎng)頁遍歷到學術檢索的全場景訓練。
在強化學習領域，團隊提出GRPO優(yōu)化算法框架，通過token級策略梯度損失與留一法優(yōu)勢估計，將方差降低40%。基礎設施層面，搭建離線維基百科模擬環(huán)境與工具沙盒系統(tǒng)，使訓練效率提升3倍。自動數(shù)據(jù)管理系統(tǒng)通過動態(tài)漏斗機制，實時優(yōu)化訓練集構成，形成"數(shù)據(jù)生成-模型訓練"的正向循環(huán)。這種全棧式解決方案使30B參數(shù)模型在復雜推理任務中展現(xiàn)出博士級研究能力。
模型提供雙模式推理架構：標準ReAct模式支持128K上下文窗口，適用于高頻交互場景；深度模式（Heavy Mode）采用IterResearch范式，將任務解構為多輪研究周期。每輪通過核心報告提煉機制，保持認知焦點的同時提升推理質量。研究顯示，該模式使長期任務成功率提升65%，特別在需要跨學科知識整合的場景中表現(xiàn)突出。
實際應用層面，高德出行Agent成為首個落地案例。通過整合地圖導航與本地生活服務工具，該系統(tǒng)可處理"周末親子游+餐廳預訂+交通規(guī)劃"等復合需求。法律領域推出的通義法睿平臺，集成案例檢索、合同審查等五大功能，在答案要點完整性、法條匹配精準度等維度達到行業(yè)領先水平。目前模型已開放Hugging Face與ModelScope雙平臺下載，配套發(fā)布11篇技術論文，詳細披露從持續(xù)預訓練到強化學習的全流程實現(xiàn)細節(jié)。
研究團隊強調，合成數(shù)據(jù)質量與訓練環(huán)境穩(wěn)定性是項目成功的關鍵因素。實驗表明，純合成數(shù)據(jù)訓練的模型在BrowseComp測試集上表現(xiàn)優(yōu)于混合數(shù)據(jù)方案23%。這種發(fā)現(xiàn)為AI Agent訓練提供了新范式，特別是在需要處理動態(tài)環(huán)境與復雜推理的場景中具有重要指導意義。隨著30B-A3B模型的全面開源，深度研究能力將加速向各行業(yè)滲透。
