新智元报道

编辑：LRST

【新智元导读】在信息爆炸的时代，传统关键词搜索已难以满足复杂知识需求。最新研究提出Agentic Deep Research，由大语言模型驱动，可自动规划检索路径、多轮迭代获取证据、逻辑推理指导搜索决策并输出研究报告级答案，可能彻底颠覆传统搜索范式。

在信息爆炸的时代，我们每一天都在搜索、提问、获取答案。但你是否想过：传统搜索真的能满足我们越来越复杂的知识需求吗？

在刚刚过去的WWDC大会上，苹果首次公开探索将ChatGPT等AI助手整合进系统层，撼动了长期绑定的默认搜索引擎Google！

这不仅是一次产品变革，更是一场信息入口的权力转移。

与此同时，传统搜索巨头的市场份额出现下滑趋势，而基于大模型的智能助手如ChatGPT、Claude、Perplexity等平台，日活跃用户数却持续走高。

这些信号释放出一个明确趋势：

我们获取信息的方式，正在从「关键词搜索+人工筛选」转向「提出问题→自动研究→得出结论」。

正是在这样的变革背景下，由UIC、UIUC、清华、北大、UCLA、UCSD等多家顶尖机构联合发布的最新论文提出Agentic Deep Research：一种由大语言模型驱动的深度信息获取与推理系统，可能彻底颠覆传统搜索范式。

论文链接：https://arxiv.org/pdf/2506.18959

项目主页：https://github.com/DavidZWZ/Awesome-Deep-Research

进入「Agentic Deep Research」时代

过去，搜索引擎依靠关键词匹配。

今天，ChatGPT、Claude 等LLM让我们对答案的交互方式发生了改变。然而，这些模式仍难以胜任复杂的、需要多步推理与跨域整合的「深度研究型任务」。

2025年初，OpenAI 曾在官方更新中首次提出了「Deep Research」的概念，并这样描述：

Introducing Deep Research: An agent that uses reasoning to synthesize large amounts of online information and complete multi-step research tasks for you.

在此基础上，研究人员提出的 Agentic Deep Research（智能体型深度研究），进一步将这一理念系统化、技术化：LLM成为自主的信息研究智能体，具备推理-搜索-综合三位一体的闭环能力。

Agentic Deep Research包括自动规划检索路径、多轮迭代获取证据、逻辑推理指导搜索决策、多源信息融合输出研究报告级答案。

从「回答一个问题」到「像研究者一样系统性完成复杂任务」，这正是 Agentic Deep Research 的目标。

从关键词匹配到智能深研

信息检索作为现代知识获取的基石，长期依赖于传统的关键词匹配式搜索引擎（如 Google、Bing）。

这类系统依靠网页爬取、索引构建和静态排序机制，擅长处理事实型或导航性查询。

然而，面对跨领域、推理性强的复杂问题，其缺乏上下文理解与多步整合能力，常常导致用户需要手动筛选碎片化结果并自行构建结论，造成巨大的认知负担。

随着大型语言模型（LLMs）的崛起，信息检索进入了「语言理解驱动」的新阶段。基于ChatGPT、Claude等LLM的问答系统突破了关键词限制，能够通过自然语言对话直接生成答案，显著提高了交互效率。

然而，这类纯粹基于参数内存的生成模型仍存在两大硬伤：一是知识时效性受限于训练数据的时间范围，二是易出现「幻觉」（hallucination）问题，输出内容可能缺乏真实依据。

为缓解上述问题，Retrieval-Augmented Generation（RAG）应运而生。RAG通过在生成前检索外部知识库，引入事实证据来增强回答的准确性与广度。

这一范式在事实性问答、开放领域QA等任务中展现出显著优势，代表了信息检索与生成的首次融合。

但当前主流的RAG仍大多采用静态、一轮的「检索-生成」流程，在面对需要跨步思考、动态计划的问题时表现乏力，无法有效模拟人类专家「边查资料边思考」的调研过程。

为突破这一局限，最新研究提出了 Deep Research这一全新Agent范式。该范式将LLM赋予类人「研究者」能力，使其在面对复杂任务时能够：自主规划搜索路径、动态发起查询请求、迭代推理分析，并结合外部工具完成完整的深度信息综合。

检索与推理在这一框架下不再是孤立的模块，而是形成了一个交替协作的反馈闭环，真正模拟了专家式的研究行为。

因此，从传统Web Search → LLM Chatbot → LLM with RAG → Agentic Deep Research，我们正见证信息获取范式的一次深层跃迁——从「静态查找」，走向「智能研究」。

基准成绩与TTS Law的双重支撑

在大规模实证评测中，研究人员将5个通用LLM（如GPT、Claude-3.5）、4个强调推理能力的LLM（如DeepSeek-R1、OpenAI O1）以及1个典型Agentic Deep Research模型（OpenAI Deep Research智能体）同台比较，选取BrowseComp、BrowseComp-ZH和Humanity’s Last Exam (HLE) 三个高难基准。

结果显示，标准LLM在BrowseComp系列的正确率通常不足10%，在HLE也难以突破20%；

而具备推理-检索闭环的 Deep Research 智能体分别取得51.5%、42.9% 和26.6%的显著优势，充分验证了「推理驱动检索」对复杂任务的增益效果。

与此同时，论文对GitHub公开仓库的星标趋势进行统计，发现DeepResearcher、R1-Searcher、DeerFlow等项目的星标曲线自2025年初起明显快于传统RAG类库，显示出社区对该范式的高度关注与快速迭代能力。

更重要的是，这些性能跃升与作者提出的Test-Time Scaling Law (TTSLaw)相互印证。

通过统计在AIME24数学推理集与MuSiQue多跳问答集上的实验数据，论文发现：当增加推理步数或扩展检索轮次时，模型在各自任务上的得分皆表现出近线性增益，并在三维坐标系中差值形成一条清晰的对角增益平面。

这一规律不仅解释了Deep Research智能体在BrowseComp/HLE等基准中为何能大幅超越单轮RAG和纯推理LLM，也为系统落地提供了可操作的预算分配准则：

事实密集型查询倾向于分配更多token进行检索，逻辑密集型问题则需预留充足的推理深度，从而在固定成本下获得最优性能。

综上，基准成绩的显著提升证明了Agentic Deep Research的有效性，TTSLaw则揭示了其中的可预测增长机制；

二者相辅相成，为未来构建高效、可控、成本可量化的深度研究智能体奠定了坚实的理论和实证基础。

开源生态也在聚焦这个方向

与此同时，Agentic Deep Research不仅在概念上描绘了下一代信息检索的蓝图，除了OpenAI、Google等大厂加大投入，更在学术界与开源社区中迅速形成广泛共识与实践响应。

从研究热度来看，2025年间涌现出大量围绕「reasoning-enhanced retrieval」、「deep research agent」、「reinforcement learning search agents」等主题的论文，代表性工作包括DeepResearcher、Search-R1、R1-Searcher等，系统性地推动了推理能力驱动的信息获取技术演化。

这些研究不再满足于传统监督学习下的固定流程，而是借助强化学习、环境交互与任务反馈机制，使语言模型具备自主探索、策略规划与动态修正的能力。

更值得注意的是，在开源社区中也迅速形成了繁荣的生态体系。

多个深研智能体系统如deepresearch、DeerFlow、ODS（Open Deep Search) 等开源项目，短时间内获得了数千颗GitHub star，反映出从开发者到研究者广泛的关注与参与热情。

根据论文中对开源趋势的统计分析，Agentic Deep Research项目整体呈现出持续上升的星标增长曲线，且领先于同时间段的传统RAG类项目。

这一趋势不仅说明该范式具备强技术吸引力，也表明整个社区正在形成一个由产品驱动、研究反馈、社区共建的良性循环。

因此，无论是从模型能力的突破、技术路径的清晰度，还是从生态系统的活跃程度来看，Agentic Deep Research正在从前沿理论走向主流范式的关键跃迁阶段，预示着「让AI完成研究任务」的时代已不再遥远。

通向「AI研究员」的演化路线

论文还提出多个关键前沿议题，包括Human-in-the-loop监督机制、跨模态多源信息融合、多智能体协同研究系统、Token预算自适应调控的高效推理搜索、面向法律、生物、医学的垂直领域深研系统。

这不只是搜索范式的进化，更是人类在LLM时代与信息交互方式的重塑。

参考资料：

https://arxiv.org/pdf/2506.18959