阿里再次在AI領(lǐng)域投下重磅炸彈——旗下首個(gè)深度研究智能體模型“通義DeepResearch”正式開(kāi)源。該模型不僅在多項(xiàng)權(quán)威基準(zhǔn)測(cè)試中刷新紀(jì)錄，更以30B參數(shù)（激活3B）的輕量化設(shè)計(jì)超越OpenAI、DeepSeek等國(guó)際頂尖團(tuán)隊(duì)，成為全球深度研究領(lǐng)域的“新王”。

在被譽(yù)為“人類(lèi)終極考試”的HLE榜單中，通義DeepResearch以32.9%的準(zhǔn)確率登頂榜首，大幅領(lǐng)先DeepSeek-V3.1的29.8%和OpenAI DeepResearch的26.6%。而在OpenAI提出的BrowseComp超高難度測(cè)試中，其43.4%的準(zhǔn)確率同樣領(lǐng)跑開(kāi)源模型。目前，該項(xiàng)目已在GitHub收獲7.2k星標(biāo)，Hugging Face和ModelScope平臺(tái)同步開(kāi)放下載。

與傳統(tǒng)AI“一問(wèn)一答”的模式不同，通義DeepResearch構(gòu)建了完整的“研究員”工作流：從問(wèn)題拆解、多源數(shù)據(jù)交叉驗(yàn)證，到結(jié)構(gòu)化歸納和報(bào)告生成，其每一步操作均可追溯、可復(fù)現(xiàn)。例如，當(dāng)用戶(hù)詢(xún)問(wèn)夏威夷珍珠城兩處房產(chǎn)2022年售價(jià)時(shí)，模型會(huì)自主調(diào)用聯(lián)網(wǎng)搜索工具，在多個(gè)數(shù)據(jù)源中反復(fù)比對(duì)，最終鎖定更貴房產(chǎn)的成交金額。

在法律場(chǎng)景中，這一能力得到更深度驗(yàn)證。面對(duì)“原告退資請(qǐng)求是否違反資本維持原則”的復(fù)雜問(wèn)題，模型不僅檢索法條和判例，還能調(diào)用學(xué)術(shù)文獻(xiàn)工具，綜合分析后給出法律意見(jiàn)。其執(zhí)行過(guò)程被分解為數(shù)十個(gè)可驗(yàn)證的子任務(wù)，確保結(jié)論的嚴(yán)謹(jǐn)性。

技術(shù)層面，團(tuán)隊(duì)首創(chuàng)“智能體合成數(shù)據(jù)”體系，通過(guò)構(gòu)建開(kāi)放世界知識(shí)記憶庫(kù)，自動(dòng)生成包含規(guī)劃、推理、決策三類(lèi)動(dòng)作的訓(xùn)練數(shù)據(jù)。在后訓(xùn)練階段，全新流程可制造帶“迷霧”的復(fù)雜問(wèn)題——如隱藏關(guān)鍵信息或疊加不確定性，迫使模型探索多步推理路徑。這種“博士級(jí)”難題生成機(jī)制，使模型在跨學(xué)科任務(wù)中表現(xiàn)突出。

為應(yīng)對(duì)長(zhǎng)程任務(wù)挑戰(zhàn)，團(tuán)隊(duì)提出雙模式推理架構(gòu)：標(biāo)準(zhǔn)任務(wù)采用ReAct模式，通過(guò)128K上下文實(shí)現(xiàn)快速交互；復(fù)雜任務(wù)則切換至Heavy模式，將任務(wù)分解為多輪研究，每輪僅保留精華結(jié)論構(gòu)建新工作空間。這種“迭代-重構(gòu)”機(jī)制有效避免了信息過(guò)載導(dǎo)致的推理能力衰退。

訓(xùn)練流程上，團(tuán)隊(duì)打通“增量預(yù)訓(xùn)練-微調(diào)-強(qiáng)化學(xué)習(xí)”全鏈路，基于GRPO算法優(yōu)化策略梯度，結(jié)合留一法降低估計(jì)方差。為保障數(shù)據(jù)質(zhì)量，其構(gòu)建的仿真訓(xùn)練環(huán)境可離線(xiàn)調(diào)用維基百科和自定義工具，通過(guò)緩存機(jī)制和自動(dòng)數(shù)據(jù)管理形成“生成-訓(xùn)練”閉環(huán)。這種全棧式基礎(chǔ)設(shè)施使模型在強(qiáng)化學(xué)習(xí)階段持續(xù)進(jìn)化，策略熵值保持高位，避免過(guò)早收斂。

實(shí)際應(yīng)用中，該技術(shù)已賦能高德地圖“小高老師”和法律智能體“通義法睿”。前者可處理“西湖邊4.5分以上帶兒童餐、步行1公里內(nèi)可達(dá)的浙菜館”等復(fù)雜需求，生成包含路線(xiàn)規(guī)劃的詳細(xì)方案；后者則通過(guò)迭代式規(guī)劃，在案例引用、法條解析等維度超越國(guó)際競(jìng)品。這些落地案例證明，輕量模型同樣能支撐高復(fù)雜度場(chǎng)景。