通义实验室推出的一项突破性开源项目：DeepResearch，旨在让AI真正具备“做研究”的能力！
在 Humanity"s Last Exam、BrowseComp、BrowseComp-ZH、GAIA、xbench-DeepSearch, WebWalkerQA 以及 FRAMES 等多个 Benchmark 上，相比于基于基础模型的 ReAct Agent 和闭源 Deep Research Agent，其 30B-A3B 轻量级 tongyi DeepResearch，达到了 SOTA 效果。
支持深度研究推理
通义DeepResearch模型支持多种推理形式，包括ReAct模式和迭代式深度研究范式（Iterative Deep-Research Paradigm）。
ReAct模式：模型遵循“思考-行动-观察”循环，通过128K上下文长度处理大量交互轮次，实现可扩展的环境交互。其设计受“The Bitter Lesson”启发，强调可扩展计算的优势。
IterResearch范式：将复杂任务解构为独立“研究回合”。
每回合包括：
重构精简工作区：基于上一回合的报告和工具响应动态重构。
执行“思考-综合-行动”流程：内部草稿分析、提炼关键信息到中央报告、最终决策（工具调用或答案生成）。
结合此范式，团队提出Research-Synthesis框架：并行使用多个IterResearch Agent探索问题，整合报告以提升准确性。
端到端Agentic训练
通义DeepResearch重新定义了Agent模型训练流程，建立新范式：Agentic CPT → Agentic SFT → Agentic RL，形成无缝端到端循环。
强化学习优化：基于GRPO算法定制，采用on-policy训练和token级策略梯度损失。通过留一法降低优势估计方差，并排除负样本（如过长未生成答案的样本）以提升稳定性。训练指标显示奖励持续上升，策略熵维持高水平，表明有效探索。
数据质量至关重要：合成数据（如SailorFog-QA-V2）提供一致性分布，优于人工标注数据（如BrowseComp），显著提升泛化能力。
实际应用
通义DeepResearch已成功落地多个阿里巴巴内部应用，成为“生产力引擎”：
高德地图AI出行Agent：集成专属API（如实时天气、交通监测），在晚高峰等场景提供智能导航方案。
通义法睿法律智能体：在法律领域自动检索法条、案例，并进行深度分析。在“法条引用相关性”和“案例引用相关性”指标上超越OpenAI和Claude，综合表现领先。
通义DeepResearch模型、框架、方案已全面开源，可通过下方链接获取信息。
GitHub：https://tongyi-agent.github.io
Hugging Face：https://huggingface.co/Alibaba-NLP/Tongyi-DeepResearch-30B-A3B
