通義DeepResearch

通義DeepResearch – 阿里推出的開源深度研究智能體

核心亮點：通義DeepResearch是一款專為深度、長周期信息檢索而生的開源智能體，擁有強大的300億參數，支持ReAct和迭代研究（IterResearch）等先進模式，通過全流程合成數據和端到端強化學習，大幅提升復雜推理能力，并已成功賦能多個阿里內部應用。

通義DeepResearch：深度研究的開源智能新引擎

通義DeepResearch，由阿里巴巴重磅推出，是一款面向長周期、深度信息檢索任務的開源智能研究體。這款智能體擁有高達300億的參數量，每次激活可動用30億參數，為復雜推理奠定堅實基礎。它巧妙融合了ReAct模式與深度模式（Heavy Mode），后者更是通過創新的迭代研究范式（IterResearch），極大地增強了其處理復雜推理的效能。尤為值得一提的是，通義DeepResearch采用了全流程合成數據方案，能夠自主生成高質量數據集，打破了傳統智能體能力的天花板，實現了從預訓練、監督微調到強化學習的全鏈路端到端訓練。目前，它已在阿里巴巴內部的多個關鍵應用中大放異彩，例如高德地圖的AI原生出行Agent，以及法律領域的“通義法睿”。

通義DeepResearch的核心能力概覽

深度長周期信息檢索：針對需要多步驟推理和規劃的復雜信息檢索任務而設計，適用于學術研究、市場洞察、政策分析等深度探索場景。
多模態推理支持：兼顧ReAct模式的嚴謹“思考-行動-觀察”循環，以及深度模式下通過迭代研究范式（IterResearch）實現的強大復雜推理能力。
自主數據生成：自研的全流程合成數據技術，無需人工介入，即可源源不斷地生成高質量訓練數據，為智能體的能力突破提供保障，貫穿整個訓練生命周期。
端到端強化學習：運用定制化強化學習算法（如GRPO），確保智能體的行為與宏觀目標高度一致，提升其在動態環境下的適應性和穩定性。
實戰應用驗證：已成功融入高德地圖的出行Agent及法律領域的“通義法睿”等阿里內部應用，展現出卓越的實用價值和廣泛的應用前景。
開放共享與共建：秉持開源理念，提供完整的代碼、模型和數據，誠邀全球開發者攜手共創，共同推動深度研究智能體技術的進步。

通義DeepResearch的技術基石

全流程合成數據方案：實現自動化、高質量的數據集生成，支持智能體從預訓練到強化學習的完整訓練閉環，突破能力邊界。
迭代研究范式（IterResearch）：通過將復雜任務分解為多個研究回合，動態優化工作區，并遵循“思考-綜合-行動”的流程，顯著提升推理和決策的精度。
端到端強化學習：采用如Group Relative Policy Optimization (GRPO)等先進強化學習算法，實現學習信號與模型能力的精準匹配，增強模型在多變環境下的魯棒性。
大規模持續預訓練：利用不斷更新的知識文檔、數據及知識圖譜，構建開放世界的知識記憶，生成多樣化的問答對，持續拓展模型知識邊界。
自動化數據管理：在訓練過程中實時優化數據，通過全自動合成和動態調整訓練集，保障訓練的穩定性和性能的持續提升。
穩定高效的工具沙盒：構建統一、并發、容錯的工具調用環境，確保智能體與工具交互的穩定性和可靠性，提供高效魯棒的交互體驗。