AITOP
精选
过去 24 小时，从 904 条中筛出 49 条
全部模型产品行业论文技巧
标签：深度研究×
6月12日
03:09
03:09Aravind Srinivas@AravSrinivas
精选
Perplexity 宣布其智能体框架 Computer 原生集成了 Deep Research 能力，用户无需再单独切换模式。该功能基于“搜索即代码”架构，模型自动编写代码来组织搜索流程，并行执行数千次检索步骤，针对每个问题定制化搜索。在多个基准测试中，其性能超越了传统的 Deep Research 方案。这标志着智能体工具在深度研究自动化方面迈出了重要一步。
AI产品智能体搜索即代码深度研究Perplexity自动化
推荐理由：做深度调研或竞品分析的团队终于有了一个能自动并行搜索的智能体——Perplexity Computer 把 Deep Research 变成原生技能，不用再手动切换模式，建议试试看能否替代你现有的研究流程。
原文
6月11日
15:28
15:23
15:07
6月1日
00:09
5月29日
08:02
AITOP5月29日 08:02
Opus 4.8发布：编程助手的“静默时刻”，是解放开发者，还是新门槛？🔥Anthropic 把 AI 编程的“确认键”彻底删掉了！Claude Code 搭载全新 Opus 4.8 模型，长时间任务不跑偏、不废话、不中断，像一个资深工程师一样默默干活，从功能开发到漏洞清扫全包圆，你在旁边喝茶等结果就行。过去 AI 写代码三步一问“这样可以吗”，现在它直接交完整交付物……自主编程的最后一层窗户纸，被捅破了。做自动化开发和代码审查的团队，这个模型建议直接上手，效率差距肉眼可见……Opus 4.8发布：编程助手的“静默时刻”，是解放开发者，还是新门槛？
5月21日
11:01
11:01arXiv cs.AI@Sixiong Xie, Zhuofan Shi, Haiyang Shen, Jiuzheng Wang, Siqi Zhong, Mugeng Liu, Chongyang Pan, Peilun Jia, Baoqing Sun, Xiang Jing, Yun Ma
精选72°
DeepWeb-Bench 是一个新的深度研究基准，旨在评估 AI 模型在开放网络上进行复杂研究的能力。与现有基准不同，该基准要求模型进行大规模证据收集、跨来源整合和长链条多步推理，难度显著提升。研究对九个前沿模型进行了评估，发现检索并非主要瓶颈（仅占12-14%错误），而推导和校准失败占70%以上。强模型和弱模型的失败模式不同：强模型主要因推导不完整出错，弱模型则因虚假精确性出错。该基准还揭示了模型在领域上的真实专长差异，跨模型一致性仅为0.61。
论文基准测试深度研究推理模型评估方法DeepWeb-Bench
推荐理由：做 AI 评估或研究基准的团队会发现，DeepWeb-Bench 揭示了现有基准无法区分的模型能力差异——尤其是推导和校准的短板。建议关注其分能力族评估和来源溯源设计，这对理解模型真实研究能力很有帮助。
原文
5月18日
12:00
12:00arXiv cs.AI@Zhen Zhang, Liangcai Su, Zhuo Chen, Xiang Lin, Haotian Xu, Simon Shaolei Du, Kaiyu Yang, Bo An, Lidong Bing, Xinyu Wang
精选76°
Argus 提出了一种新的深度研究方法，通过 Searcher 和 Navigator 两个智能体协作，将研究任务视为拼图组装而非暴力并行搜索。Navigator 维护共享证据图，验证缺失信息并调度 Searcher 收集，最终生成带来源追踪的答案。在 35B-A3B MoE 模型上，单 Searcher 提升 5.5 分，8 个并行 Searcher 提升 12.7 分，64 个 Searcher 在 BrowseComp 上达到 86.2，超越所有专有智能体，且 Navigator 推理上下文保持在 21.5K tokens 以内。该方法解决了并行搜索中证据重复和上下文超限的问题。
论文深度研究智能体并行搜索证据组装强化学习
推荐理由：做深度研究智能体或搜索系统的团队，终于有了解决并行搜索证据重复和上下文瓶颈的方案——Argus 用拼图式组装替代暴力搜索，效率提升明显，值得在复杂信息检索任务中尝试。
原文