文章图片
文章图片
文章图片
文章图片
不圆 发自 凹非寺
量子位 | 公众号 QbitAI
英伟达也做深度研究智能体了 。
最新论文介绍了英伟达的通用深度研究（UDR）系统 ， 该系统支持个人定制 ， 可接入任何大语言模型（LLM） 。
这意味着它能够围绕任何语言模型运行 ， 用户可以完全自定义深度研究策略 ， 并交给智能体实现 。
为展示其通用性 ， 英伟达还为UDR配备了带用户界面的研究演示原型 ， 可在GitHub上下载 。
网友认为 ， 它使智能体的自主性得到了突破 ， 非常适合企业工作 。
自带模型和策略论文介绍 ， 以往推出的所有深度研究智能体 ， 都采用硬编码方式 ， 仅能通过固定的工具选择来执行特定研究策略 。
而英伟达的UDR系统能够围绕任何LLM运行 。
还能使用户能够在无需额外训练或微调的情况下 ， 创建、编辑和优化他们完全自定义的深度研究策略 。
上图呈现的是一个典型深度研究工具（DRT）的组成部分 ， 与普通的对话式LLMs不同 ， DRTs在生成报告之前倾向于持续向用户更新其进度 。
一个DRT由两部分组成：
一个简单的用户界面：用于接收研究提示 ， 持续向用户更新研究进度 ， 并显示研究报告； 代理逻辑：代码代理（通过代码协调大语言模型与工具的组合运用）或LLM代理（直接利用模型自身的推理和工具调用能力） 。无论是Gemini、Perplexity还是OpenAI ， 现有的DRTs主要采用僵化的研究策略 ， 除研究提示词外几乎不留用户定制空间；而在具有LLM代理的DRTs中 ， 往往存在底层模型选择单一、或仅使用训练后行为特征相同的同系列模型的问题 。
虽然这个问题并不是阻碍DRTs广泛流行的障碍 ， 但它从三个方面限制了它们的实用性:
1、用户既不能自主设置资源优先级 ， 也无法自动验证信息的权威性 ， 更无法控制搜索成本 。 2、现有的DRTs做不出高价值行业需要的专业文档分析方案 。 3、现有的DRTs使用的模型是不可换的——用户不能随意将最新或最强大的模型与深度研究智能体组合起来 ， 以产生一个更强大的DRT 。而英伟达的UDR系统提出了一种通用的解决方案来解决上述问题 。
简单地说 ， 与专门的DRT不同 ， UDR从用户那里接收研究策略和研究提示 ， 允许更高的定制程度 。
UDR能够将策略从自然语言编译成可执行的研究编排代码片段 ， 然后执行策略 ， 并将最终报告交付给用户 。
其最显著的创新特性包括：
通过自然语言定制研究策略 。 UDR支持用户用自然语言定义和编程自己的研究工作流 ， 系统会将其转换为可执行、可审计的代码 。
这意味着用户自己设计的智能操作流程 ， 不需要重新训练AI模型或进行复杂调试 ， 就能直接投入实际使用 。
与模型无关的研究工具架构 。 UDR将研究逻辑与语言模型解耦 ， 使开发者能够将任何大语言模型——无论供应商或架构如何——封装成功能完整的深度研究工具 。
这样一来 ， 产品设计就有了更大发挥空间：既能选用最先进的AI模型 ， 又能搭配量身定制的研究方案 ， 实现灵活组合的创新应用 。
用户可控的策略驱动研究界面 。 下图的原型展示了四大实用功能：实时修改研究策略、选择预设策略库、接收进度通知、查看分析报告 。
UDR通过区分控制逻辑和语言模型推理来提升计算效率：整个深度研究流程的调度由生成的代码全权负责 ， 这些代码直接在CPU上运行 ， 避免了成本高出数十倍的语言模型推理开销 。
系统仅在用户自定义研究策略明确要求时才会调用LLM ， 且每次调用仅处理代码变量中存储的精简定向文本片段 。
这种双重高效设计——将流程调度交给CPU执行逻辑 ， 同时将LLM的使用严格限定在精准高效的调用中——不仅能够降低GPU资源消耗 ， 还可以显著减少深度研究任务的总体执行延迟和成本 。
仍需进一步探索不过 ， 这项工作目前还存在一定的局限性 。
一方面 ， UDR系统执行研究策略的准确度 ， 完全取决于底层AI模型生成代码的质量 。 虽然研究人员通过强制要求代码添加注释来减少错误 ， 但当策略表述模糊或不够具体时 ， 系统偶尔还是会产生理解偏差或逻辑错误 。
另一方面 ， UDR默认用户设计的研究策略本身是合理且可执行的 。 系统只会做基础检查 ， 不会判断策略步骤是否真正有效 。 如果策略设计得不好 ， 最终生成的报告可能质量低下、内容不全 ， 或者根本生成不出报告 。
此外 ，还有一点在于 ， 虽然UDR会实时显示研究进度 ， 但当前版本在执行过程中不支持用户干预（只能停止任务） ， 也无法根据实时反馈调整研究方向 。
所有决策都需要在研究开始前就预先设定好 ， 这使得长时间或探索性的研究任务缺乏灵活性 。
针对上述问题 ， 研究人员也提出了进一步的解决方案——或者说改进方案：
比如配备可修改定制的研究策略库、进一步探索如何让用户控制语言模型的自由推理过程、将大量用户提示自动转化为确定性控制的智能体等 。
目前英伟达的UDR系统还只是原型阶段 ， 并未正式推出 ， 但或许可以期待一下 。
期待一个功能完整的正式版本 。
参考链接：[1
https://x.com/rohanpaul_ai/status/1964689864244203596[2
https://research.nvidia.com/labs/lpr/udr/[3
https://github.com/NVlabs/UniversalDeepResearch
— 完 —
量子位 QbitAI · 头条号
【英伟达推出通用深度研究系统，可接入任何LLM，支持个人定制】关注我们 ， 第一时间获知前沿科技动态签约
推荐阅读
- 英伟达的局：15亿美元，从Lambda那租到了搭载自家AI芯片服务器
- 高通CEO：高通处理器Intel造不了 技术不达标
- OpenAI宣布推出AI在线招聘平台，和微软的领英打起来了
- 对抗英伟达？20多家国产厂商合力，打造“中国CUDA”
- 国产Air率先登场！传音推出两款超薄新机，这次不再是概念机了
- 英伟达风投部门入股量子计算公司
- 英伟达独显游戏本用户注意 免费提升性能的方法来了
- 英伟达老黄收购了一家AI编程公司
- 中国控股企业使用Claude遭禁 智谱：推出“搬家计划”
- 英伟达拟将Rubin处理器CoWoS中间基板材料替换为碳化硅