1.什么是新范式

尽管 LLM 的能力与日俱增，但其在复杂任务上的表现仍受限于静态的内部知识为从根本上解决这一限制，突破 AI 能力界限，业界研究者们提出了 Agentic Deep Research 系统，在该系统中基于 LLM 的 Agent 通过自主推理、调用搜索引擎和迭代地整合信息来给出全面、有深度且正确性有保障的解决方案。

2.新范式都是从旧范式产生出来的吗

OpenAI 和 Google 的研究者们总结了 Agentic Deep Researcher 的几大优势：（1）深入的问题理解能力（Comprehensive Understanding）：能够处理复杂、多跳的用户提问；（2）强大的信息整合能力（Enhanced Synthesis）：能够将广泛甚至冲突的信息源整合为合理的输出；（3）减轻用户的认知负担（Reduced User Effort）：整个 research 过程完全自主，不需要用户的过多干预。

3.新范式英文

现存最先进的 Agentic Deep Research 系统往往基于由可验证结果奖励指导的强化学习训练，尽管该训练范式带来了显著的性能收益，但仍存在以下核心问题：梯度冲突（Gradients Conflicts）：在基于可验证结果奖励的强化学习范式中，即使中间的推理过程或研究策略是有效的，只要最终答案错误，整个推理轨迹都会受到惩罚。

4.范式研究

这种粗粒度的奖励设计在中间推理步骤与最终答案之间引入了潜在的梯度冲突，阻碍了模型发现更优的推理能力和研究策略，从而限制了其泛化能力奖励稀疏（Reward sparsity）：基于结果的强化学习仅依赖最终答案生成奖励，导致每个训练样本只能提供稀疏的反馈信号。

5.新范式经济学

这严重限制了策略优化的效率，因为它增加了对更大规模训练数据和更长训练周期的依赖以上两个限制限制了 Agentic Deep Research 系统的性能上线，为决解这两大限制，来自蚂蚁安全与智能实验室团队提出了

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。