在信息爆炸的時代，我們每一天都在搜索、提問、獲取答案。但你是否想過：傳統搜索真的能滿足我們越來越復雜的知識需求嗎？

在剛剛過去的WWDC大會上，蘋果首次公開探索將ChatGPT等AI助手整合進系統層，撼動了長期綁定的默認搜索引擎Google！

這不僅是一次產品變革，更是一場信息入口的權力轉移。

與此同時，傳統搜索巨頭的市場份額出現下滑趨勢，而基于大模型的智能助手如ChatGPT、Claude、Perplexity等平臺，日活躍用戶數卻持續走高。

這些信號釋放出一個明確趨勢：

我們獲取信息的方式，正在從「關鍵詞搜索+人工篩選」轉向「提出問題→自動研究→得出結論」。

正是在這樣的變革背景下，由UIC、UIUC、清華、北大、UCLA、UCSD等多家頂尖機構聯合發布的最新論文提出Agentic Deep Research：一種由大語言模型驅動的深度信息獲取與推理系統，可能徹底顛覆傳統搜索范式。

論文鏈接：https://arxiv.org/pdf/2506.18959

項目主頁：https://github.com/DavidZWZ/Awesome-Deep-Research

進入「Agentic Deep Research」時代

過去，搜索引擎依靠關鍵詞匹配。

今天，ChatGPT、Claude 等LLM讓我們對答案的交互方式發生了改變。然而，這些模式仍難以勝任復雜的、需要多步推理與跨域整合的「深度研究型任務」。

2025年初，OpenAI 曾在官方更新中首次提出了「Deep Research」的概念，并這樣描述：

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

在此基礎上，研究人員提出的 Agentic Deep Research（智能體型深度研究），進一步將這一理念系統化、技術化：LLM成為自主的信息研究智能體，具備推理-搜索-綜合三位一體的閉環能力。

Agentic Deep Research包括自動規劃檢索路徑、多輪迭代獲取證據、邏輯推理指導搜索決策、多源信息融合輸出研究報告級答案。

從「回答一個問題」到「像研究者一樣系統性完成復雜任務」，這正是 Agentic Deep Research 的目標。

從關鍵詞匹配到智能深研

信息檢索作為現代知識獲取的基石，長期依賴于傳統的關鍵詞匹配式搜索引擎（如 Google、Bing）。

這類系統依靠網頁爬取、索引構建和靜態排序機制，擅長處理事實型或導航性查詢。

然而，面對跨領域、推理性強的復雜問題，其缺乏上下文理解與多步整合能力，常常導致用戶需要手動篩選碎片化結果并自行構建結論，造成巨大的認知負擔。

隨著大型語言模型（LLMs）的崛起，信息檢索進入了「語言理解驅動」的新階段。基于ChatGPT、Claude等LLM的問答系統突破了關鍵詞限制，能夠通過自然語言對話直接生成答案，顯著提高了交互效率。

然而，這類純粹基于參數內存的生成模型仍存在兩大硬傷：一是知識時效性受限于訓練數據的時間范圍，二是易出現「幻覺」（hallucination）問題，輸出內容可能缺乏真實依據。

為緩解上述問題，Retrieval-Augmented Generation（RAG）應運而生。RAG通過在生成前檢索外部知識庫，引入事實證據來增強回答的準確性與廣度。

這一范式在事實性問答、開放領域QA等任務中展現出顯著優勢，代表了信息檢索與生成的首次融合。

但當前主流的RAG仍大多采用靜態、一輪的「檢索-生成」流程，在面對需要跨步思考、動態計劃的問題時表現乏力，無法有效模擬人類專家「邊查資料邊思考」的調研過程。

為突破這一局限，最新研究提出了 Deep Research 這一全新Agent范式。該范式將LLM賦予類人「研究者」能力，使其在面對復雜任務時能夠：自主規劃搜索路徑、動態發起查詢請求、迭代推理分析，并結合外部工具完成完整的深度信息綜合。

檢索與推理在這一框架下不再是孤立的模塊，而是形成了一個交替協作的反饋閉環，真正模擬了專家式的研究行為。

因此，從傳統Web Search → LLM Chatbot → LLM with RAG → Agentic Deep Research，我們正見證信息獲取范式的一次深層躍遷——從「靜態查找」，走向「智能研究」。

基準成績與TTS Law的雙重支撐

在大規模實證評測中，研究人員將5個通用LLM（如GPT、Claude-3.5）、4個強調推理能力的LLM（如DeepSeek-R1、OpenAI O1） 以及1個典型Agentic Deep Research模型（OpenAI Deep Research智能體） 同臺比較，選取BrowseComp、BrowseComp-ZH和Humanity’s Last Exam (HLE) 三個高難基準。

結果顯示，標準LLM在BrowseComp系列的正確率通常不足10%，在HLE也難以突破20%；

而具備推理-檢索閉環的 Deep Research 智能體分別取得51.5%、42.9% 和26.6%的顯著優勢，充分驗證了「推理驅動檢索」對復雜任務的增益效果。

與此同時，論文對GitHub公開倉庫的星標趨勢進行統計，發現DeepResearcher、R1-Searcher、DeerFlow等項目的星標曲線自2025年初起明顯快于傳統RAG類庫，顯示出社區對該范式的高度關注與快速迭代能力。

更重要的是，這些性能躍升與作者提出的Test-Time Scaling Law (TTS Law)相互印證。

通過統計在AIME24數學推理集與MuSiQue多跳問答集上的實驗數據，論文發現：當增加推理步數或擴展檢索輪次時，模型在各自任務上的得分皆表現出近線性增益，并在三維坐標系中差值形成一條清晰的對角增益平面。

這一規律不僅解釋了Deep Research智能體在BrowseComp/HLE等基準中為何能大幅超越單輪RAG和純推理LLM，也為系統落地提供了可操作的預算分配準則：

事實密集型查詢傾向于分配更多token進行檢索，邏輯密集型問題則需預留充足的推理深度，從而在固定成本下獲得最優性能。

綜上，基準成績的顯著提升證明了Agentic Deep Research的有效性，TTS Law則揭示了其中的可預測增長機制；

二者相輔相成，為未來構建高效、可控、成本可量化的深度研究智能體奠定了堅實的理論和實證基礎。

開源生態也在聚焦這個方向

與此同時，Agentic Deep Research不僅在概念上描繪了下一代信息檢索的藍圖，除了OpenAI、Google等大廠加大投入，更在學術界與開源社區中迅速形成廣泛共識與實踐響應。

從研究熱度來看，2025年間涌現出大量圍繞「reasoning-enhanced retrieval」、「deep research agent」、「reinforcement learning search agents」等主題的論文，代表性工作包括DeepResearcher、Search-R1、R1-Searcher等，系統性地推動了推理能力驅動的信息獲取技術演化。

這些研究不再滿足于傳統監督學習下的固定流程，而是借助強化學習、環境交互與任務反饋機制，使語言模型具備自主探索、策略規劃與動態修正的能力。

更值得注意的是，在開源社區中也迅速形成了繁榮的生態體系。

多個深研智能體系統如deepresearch、DeerFlow、ODS（Open Deep Search) 等開源項目，短時間內獲得了數千顆GitHub star，反映出從開發者到研究者廣泛的關注與參與熱情。

根據論文中對開源趨勢的統計分析，Agentic Deep Research項目整體呈現出持續上升的星標增長曲線，且領先于同時間段的傳統RAG類項目。

這一趨勢不僅說明該范式具備強技術吸引力，也表明整個社區正在形成一個由產品驅動、研究反饋、社區共建的良性循環。

因此，無論是從模型能力的突破、技術路徑的清晰度，還是從生態系統的活躍程度來看，Agentic Deep Research正在從前沿理論走向主流范式的關鍵躍遷階段，預示著「讓AI完成研究任務」的時代已不再遙遠。

通向「AI研究員」的演化路線

論文還提出多個關鍵前沿議題，包括Human-in-the-loop監督機制、跨模態多源信息融合、多智能體協同研究系統、Token預算自適應調控的高效推理搜索、面向法律、生物、醫學的垂直領域深研系統。

這不只是搜索范式的進化，更是人類在LLM時代與信息交互方式的重塑。