不圓 發(fā)自 凹非寺量子位 | 公眾號(hào) QbitAI
英偉達(dá)也做深度研究智能體了。
最新論文介紹了英偉達(dá)的通用深度研究（UDR）系統(tǒng)，該系統(tǒng)支持個(gè)人定制，可接入任何大語言模型（LLM）。
這意味著它能夠圍繞任何語言模型運(yùn)行，用戶可以完全自定義深度研究策略，并交給智能體實(shí)現(xiàn)。
為展示其通用性，英偉達(dá)還為UDR配備了帶用戶界面的研究演示原型，可在GitHub上下載。
網(wǎng)友認(rèn)為，它使智能體的自主性得到了突破，非常適合企業(yè)工作。
自帶模型和策略
論文介紹，以往推出的所有深度研究智能體，都采用硬編碼方式，僅能通過固定的工具選擇來執(zhí)行特定研究策略。
而英偉達(dá)的UDR系統(tǒng)能夠圍繞任何LLM運(yùn)行。
還能使用戶能夠在無需額外訓(xùn)練或微調(diào)的情況下，創(chuàng)建、編輯和優(yōu)化他們完全自定義的深度研究策略。
上圖呈現(xiàn)的是一個(gè)典型深度研究工具（DRT）的組成部分，與普通的對(duì)話式LLMs不同，DRTs在生成報(bào)告之前傾向于持續(xù)向用戶更新其進(jìn)度。
一個(gè)DRT由兩部分組成：
一個(gè)簡(jiǎn)單的用戶界面：用于接收研究提示，持續(xù)向用戶更新研究進(jìn)度，并顯示研究報(bào)告；代理邏輯：代碼代理（通過代碼協(xié)調(diào)大語言模型與工具的組合運(yùn)用）或LLM代理（直接利用模型自身的推理和工具調(diào)用能力）。
無論是Gemini、Perplexity還是OpenAI，現(xiàn)有的DRTs主要采用僵化的研究策略，除研究提示詞外幾乎不留用戶定制空間；而在具有LLM代理的DRTs中，往往存在底層模型選擇單一、或僅使用訓(xùn)練后行為特征相同的同系列模型的問題。
雖然這個(gè)問題并不是阻礙DRTs廣泛流行的障礙，但它從三個(gè)方面限制了它們的實(shí)用性:
1、用戶既不能自主設(shè)置資源優(yōu)先級(jí)，也無法自動(dòng)驗(yàn)證信息的權(quán)威性，更無法控制搜索成本。2、現(xiàn)有的DRTs做不出高價(jià)值行業(yè)需要的專業(yè)文檔分析方案。3、現(xiàn)有的DRTs使用的模型是不可換的——用戶不能隨意將最新或最強(qiáng)大的模型與深度研究智能體組合起來，以產(chǎn)生一個(gè)更強(qiáng)大的DRT。
而英偉達(dá)的UDR系統(tǒng)提出了一種通用的解決方案來解決上述問題。
簡(jiǎn)單地說，與專門的DRT不同，UDR從用戶那里接收研究策略和研究提示，允許更高的定制程度。
UDR能夠?qū)⒉呗詮淖匀徽Z言編譯成可執(zhí)行的研究編排代碼片段，然后執(zhí)行策略，并將最終報(bào)告交付給用戶。
其最顯著的創(chuàng)新特性包括：
通過自然語言定制研究策略。UDR支持用戶用自然語言定義和編程自己的研究工作流，系統(tǒng)會(huì)將其轉(zhuǎn)換為可執(zhí)行、可審計(jì)的代碼。
這意味著用戶自己設(shè)計(jì)的智能操作流程，不需要重新訓(xùn)練AI模型或進(jìn)行復(fù)雜調(diào)試，就能直接投入實(shí)際使用。
與模型無關(guān)的研究工具架構(gòu)。UDR將研究邏輯與語言模型解耦，使開發(fā)者能夠?qū)⑷魏未笳Z言模型——無論供應(yīng)商或架構(gòu)如何——封裝成功能完整的深度研究工具。
這樣一來，產(chǎn)品設(shè)計(jì)就有了更大發(fā)揮空間：既能選用最先進(jìn)的AI模型，又能搭配量身定制的研究方案，實(shí)現(xiàn)靈活組合的創(chuàng)新應(yīng)用。
用戶可控的策略驅(qū)動(dòng)研究界面。下圖的原型展示了四大實(shí)用功能：實(shí)時(shí)修改研究策略、選擇預(yù)設(shè)策略庫、接收進(jìn)度通知、查看分析報(bào)告。
UDR通過區(qū)分控制邏輯和語言模型推理來提升計(jì)算效率：整個(gè)深度研究流程的調(diào)度由生成的代碼全權(quán)負(fù)責(zé)，這些代碼直接在CPU上運(yùn)行，避免了成本高出數(shù)十倍的語言模型推理開銷。
系統(tǒng)僅在用戶自定義研究策略明確要求時(shí)才會(huì)調(diào)用LLM，且每次調(diào)用僅處理代碼變量中存儲(chǔ)的精簡(jiǎn)定向文本片段。
這種雙重高效設(shè)計(jì)——將流程調(diào)度交給CPU執(zhí)行邏輯，同時(shí)將LLM的使用嚴(yán)格限定在精準(zhǔn)高效的調(diào)用中——不僅能夠降低GPU資源消耗，還可以顯著減少深度研究任務(wù)的總體執(zhí)行延遲和成本。
仍需進(jìn)一步探索
不過，這項(xiàng)工作目前還存在一定的局限性。
一方面，UDR系統(tǒng)執(zhí)行研究策略的準(zhǔn)確度，完全取決于底層AI模型生成代碼的質(zhì)量。雖然研究人員通過強(qiáng)制要求代碼添加注釋來減少錯(cuò)誤，但當(dāng)策略表述模糊或不夠具體時(shí)，系統(tǒng)偶爾還是會(huì)產(chǎn)生理解偏差或邏輯錯(cuò)誤。
另一方面，UDR默認(rèn)用戶設(shè)計(jì)的研究策略本身是合理且可執(zhí)行的。系統(tǒng)只會(huì)做基礎(chǔ)檢查，不會(huì)判斷策略步驟是否真正有效。如果策略設(shè)計(jì)得不好，最終生成的報(bào)告可能質(zhì)量低下、內(nèi)容不全，或者根本生成不出報(bào)告。
此外， 還有一點(diǎn)在于，雖然UDR會(huì)實(shí)時(shí)顯示研究進(jìn)度，但當(dāng)前版本在執(zhí)行過程中不支持用戶干預(yù)（只能停止任務(wù)），也無法根據(jù)實(shí)時(shí)反饋調(diào)整研究方向。
所有決策都需要在研究開始前就預(yù)先設(shè)定好，這使得長(zhǎng)時(shí)間或探索性的研究任務(wù)缺乏靈活性。
針對(duì)上述問題，研究人員也提出了進(jìn)一步的解決方案——或者說改進(jìn)方案：
比如配備可修改定制的研究策略庫、進(jìn)一步探索如何讓用戶控制語言模型的自由推理過程、將大量用戶提示自動(dòng)轉(zhuǎn)化為確定性控制的智能體等。
目前英偉達(dá)的UDR系統(tǒng)還只是原型階段，并未正式推出，但或許可以期待一下。
期待一個(gè)功能完整的正式版本。
參考鏈接：[1]https://x.com/rohanpaul_ai/status/1964689864244203596[2]https://research.nvidia.com/labs/lpr/udr/[3]https://github.com/NVlabs/UniversalDeepResearch
