本文深入探讨了从传统网页搜索向基于AI的深度研究范式的转变。随着苹果等公司推出系统级AI助手，并整合ChatGPT进行摘要生成，传统搜索引擎的市场份额正面临挑战。文章分析了Deep Research Agent的崛起，这些Agent能够主动调研、分析、整合信息并给出结论。研究重点介绍了伊利诺伊大学等机构的研究成果，包括推理-检索协同和强化学习代理。文章还讨论了Deep Research Agent的核心技术、评估标准以及未来发展方向，如可信的Human-in-loop系统、垂直领域的专家级深研、结构化-组织型深研系统以及多模态信息融合。最后，文章展望了高效的Test-Time Scaling和资源自管理，为下一代Agentic Deep Research提供了关键思考。

🔍 **范式转变的驱动力：** 传统搜索模式正面临变革，用户需求已从简单的关键词搜索转向AI驱动的主动研究。Deep Research Agent应运而生，能够完成多步研究任务，整合信息并给出结论。

💡 **核心技术与模型：** Deep Research Agent依赖于三大技术支柱：基于推理的LLM、学习“搜索”的LLM代理以及DeepResearcher。DeepSeek-R1和OpenAI O1等模型通过微调和强化学习提升推理、任务分解和自省能力。

📊 **评估与基准：** 为了评估Deep Research Agent的实用价值，研究引入了BrowseComp、BrowseComp-ZH和HLE等高难度评测基准。OpenAI Deep Research Agent在这些任务中表现优于传统LLM，展现出强大的研究能力。

⚖️ **Test-Time Scaling Law：** 论文提出了TTS Law，即推理深度和检索轮次在给定token预算内存在线性增益与权衡。这为系统设计提供了“预算分配指南”，帮助在性能与成本之间取得平衡。

🚀 **未来展望：** 未来的Agentic Deep Research将朝着可信的Human-in-loop系统、垂直领域专家级深研、结构化-组织型深研系统以及多模态信息融合等方向发展。高效的Test-Time Scaling和资源自管理将是关键。

2025-07-04 17:21 四川

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

OpenAI

时代信号：信息入口的悄然易主

苹果 WWDC 2025 披露系统级 AI 助手，直连 ChatGPT 生成多步摘要，引发“更换默认搜索引擎”的市场猜想。

多家独立统计显示：2024 Q4 — 2025 Q2，Google 桌面检索份额出现持续下滑；与之形成鲜明对比的是，LLM 原生应用保持高速成长：ChatGPT 月活已破 4 亿，周访问量逾 5 亿；Claude 的 月活也在 2025 H1 突破 18 M，并以两位数季度增速继续攀升。

GitHub 上，“DeepResearcher”“R1-Searcher”“DeerFlow” 等 Deep Research Agent 仓库在半年内即斩获数千 star，远超传统 RAG 工具库的同期增长。

这些迹象共同揭示：人们不再满足于搜索关键词+翻网页，而是希望 AI 能主动调研、分析、整合、最终给出结论。传统搜索的时代，正在发生一场系统性的变革。

本文所解读的论文《From Web Search towards Agentic Deep Research: Incentivizing Search with Reasoning Agents》由伊利诺伊大学（芝加哥分校、香槟分校）联合清华大学、北京大学、UCLA、UCSD、亚马逊、Salesforce、港中文等全球多所高校与企业 AI 研究员共同完成。完整资源见项目页：https://github.com/DavidZWZ/Awesome-Deep-Research。

范式演进：从 Web Search 到 Agentic Deep Research 

研究与社区热度：范式跃迁的强劲动能

学术层面 DeepResearcher、Search-R1、R1-Searcher 等论文在 2025 年密集发布，重点探讨 推理-检索协同 与 强化学习代理。

开源生态 DeepSearcher、DeerFlow、ODS、WebThinker……多款项目数周内斩获千星；论文统计显示 Deep Research 相关库的 star 曲线 显著高于传统 RAG 项目。

为系统评估 Agentic Deep Research 模型的实用价值，作者引入三项高难评测基准，涵盖多步骤、多源知识聚合任务。 在BrowseComp、 BrowseComp-ZH、HLE，标准 LLM（如 GPT-4、Claude-3）表现普遍低于 20%，而 OpenAI Deep Research Agent 在三项任务中分别达成 51.5%、42.9%、26.6%，显著优于各类baseline。

方法论精要：三大技术支柱

Reasoning LLM：奠基性推理能力

DeepSeek-R1、OpenAI O1 等模型通过多阶段微调与 RL 提升了数理推理、任务分解和自省能力，是 Deep Research 能够实现的核心基础。它们能够在没有检索的情况下先行制定查询计划，为后续搜索提供结构化指令。

学会“search”的LLM代理：强化学习驱动

单靠模板 Prompt 与监督微调不足以应对开放环境；RL 在封闭API或真实 Web 环境中提供试错信号。从ReAct -> WebGPT -> Search-R1 / R1-Searcher：将“检索正确率 + 解释透明度”写入奖励函数。DeepResearcher：在真实浏览器环境中学习点击、滚动、提问等操作，逐步逼近人类研究流程。模型不依赖静态提示，而是能 自主探索外部世界、动态调整策略。

Test-Time Scaling Law for Deep Research

论文提出的 TTS Law 假设：推理深度（内部知识推理）与检索轮次（外部知识探索）在给定 token 预算内存在可预测的 线性增益与权衡。如任务偏事实：应投入更多 token 于检索；对应任务偏逻辑：应留足链式推理空间。为未来系统设计提供“预算分配指南”，也为云端部署节省成本。

未来展望：面向下一代 Agentic Deep Research

可信的Human-in-loop系统：后续系统需把人类反馈融入关键检索-推理环节，引入细粒度的访问控制、证据核查与交互式校正界面，从而在保证自动化效率的同时，实现输出过程的可解释、可追溯与责任分担。

垂直领域专家级深研：医学、法律、生命科学等高门槛场景要求专业数据库构建和领域范式对齐。未来代理需对接分散的领域资料库，适配专业推理范式（如法律判例推理、医学假设验证），以生成高可信度的专家级研究结果。

结构化-组织型深研系统： 将检索与推理过程中的中间产物显式转化为图结构，有助于在长上下文内保持信息一致性，并为多智能体协同提供高效的消息传递通道。 这既提升单代理的逻辑连贯性，也为多代理协作奠定数据基础。

从文本到多模态的信息融合：真正的人类研究能力依赖跨文本、图像、视频及结构化数据的综合分析。未来工作需解决跨模态语义对齐、冲突信息消解和大规模异构数据检索三大难题，为深研代理注入视觉-语言-多模态一体化认知能力。

高效 Test-Time Scaling 与资源自管理：随着推理深度与检索广度的持续扩张，落地必须在固定 token 预算内自适应分配计算资源。研究方向包括：小模型能力迁移、潜在推理压缩、检索预算动态调度，力求在性能与成本之间取得可量化的最优平衡

推荐阅读

• 动手设计AI Agents：（编排、记忆、插件、workflow、协作）

• DeepSeek R1 + Agent 的下半场

• 单智能体（Agent）：企业员工AI助理

• Agent到多模态Agent再到多模态Multi-Agents系统的发展与案例讲解（1.2万字，20+文献，27张图）

---

欢迎关注我的公众号“PaperAgent”，每天一篇大模型（LLM）文章来锻炼我们的思维，简单的例子，不简单的方法，提升自己。