OpenAIDeepResearch：AIAgent端到端训练革新

OpenAI的Isa Fulford和Josh Tobin最近在Training Data播客中深入讨论了公司最新的AI Agent产品Deep Research。他们强调，Deep Research标志着AI研究能力的重大突破，它采用端到端训练模型，区别于传统的固定操作流程。

两位产品负责人详细阐述了高质量训练数据和OpenAI o3模型（OpenAI最先进的推理模型）强大的推理能力如何成就Deep Research灵活的研究策略。同时，他们也分享了Sam Altman对Deep Research的愿景，即期望它能承担起相当比例的知识型任务。此外，为了构建产品的透明度和用户信任，Deep Research在设计上特别加入了引用来源和需求澄清流程等关键功能。通过将过去需要数小时的工作压缩至几分钟，Deep Research正在彻底改变众多商业和个人应用场景的可能性。

相关文章阅读：未来已来：深度解读“模型即产品”时代

原文链接：https://www.sequoiacap.com/podcast/training-data-deep-research/

内容概要

OpenAI的Isa Fulford和Josh Tobin在播客中详细介绍了Deep Research，这款AI Agent能够在5到30分钟内完成全面的在线研究，通过搜索多个网站，并生成包含详细引用的综合报告。本期节目深入探讨了OpenAI如何构建高效的AI Agent，并预告了Deep Research在商业和个人应用领域的未来发展方向。

• 端到端训练优于人工编排：Deep Research并非采用常见的Agent构建方法，即构建一个包含语言模型节点的固定操作图，而是直接在复杂的浏览任务上进行端到端训练。这种方法使得模型能够发展出灵活的信息收集和整合策略，而这些策略如果通过人工脚本编写则难以实现。
• 数据质量是核心优势：高质量的训练数据是Deep Research开发成功的关键。OpenAI团队利用o3模型（OpenAI最先进的推理模型）强大的推理能力，并在精心策划的复杂浏览任务示例上对模型进行了微调，这种结合催生了极具创造力的成果。
• Agent擅长定义明确但灵活的任务：Deep Research证明，AI Agent可以通过训练来处理那些无法用僵化规则捕捉的特定工作流程。该模型能够根据初步的研究结果调整其研究策略，使其成为市场调研、科学文献综述和消费者研究等任务的理想选择，这些任务都受益于全面和探索性的信息收集。
• 透明度和控制力建立信任