Tongyi DeepResearch：30B参数AI深度搜索新引擎
【免费下载链接】Tongyi-DeepResearch-30B-A3B项目地址: https://ai.gitcode.com/hf_mirrors/Alibaba-NLP/Tongyi-DeepResearch-30B-A3B
导语：阿里巴巴通义实验室推出Tongyi DeepResearch，一款具备300亿总参数、单token仅激活30亿参数的智能代理大语言模型，专为长周期深度信息检索任务设计，在多项智能搜索基准测试中展现出领先性能。
行业现状：随着信息爆炸式增长和复杂问题解决需求的提升，传统搜索引擎在处理需要多步骤推理、跨源信息整合的深度查询时面临挑战。智能代理（Agentic AI）技术通过模拟人类思考过程，自动规划搜索策略、执行查询并整合结果，正成为下一代信息获取的核心范式。据行业研究显示，2024年全球智能搜索相关融资规模同比增长120%，大型科技公司和初创企业均在积极布局这一领域。
模型亮点：
Tongyi DeepResearch的核心优势体现在四个方面：
首先是全自动合成数据生成流水线，该系统能够大规模生产高质量的智能代理交互数据，为模型预训练、监督微调及强化学习提供持续动力，解决了智能代理训练数据稀缺且质量参差不齐的行业痛点。
其次是基于代理数据的大规模持续预训练，通过多样化、高质量的代理交互数据扩展模型能力，不仅保持了知识的新鲜度，还显著增强了复杂推理性能，使模型能够处理更具挑战性的搜索任务。
第三是端到端强化学习框架，采用严格的on-policy强化学习方法，基于定制的Group Relative Policy Optimization框架，结合token级策略梯度、留一法优势估计和负样本选择性过滤等技术，有效解决了非平稳环境下的训练稳定性问题。
最后是双推理范式兼容，在推理阶段支持两种模式：ReAct模式用于严格评估模型的核心内在能力，而基于IterResearch的"Heavy"模式则通过测试时扩展策略释放模型的最大性能潜力，满足不同场景下的使用需求。
该模型在Humanity's Last Exam、BrowserComp、BrowserComp-ZH、WebWalkerQA、GAIA、xbench-DeepSearch和FRAMES等一系列智能搜索基准测试中均表现出最先进的性能。
行业影响：Tongyi DeepResearch的推出标志着中文智能代理技术进入实用化阶段。对于科研机构和企业而言，该模型提供了一个高性能、可定制的深度搜索工具，能够显著提升文献调研、市场分析、技术追踪等工作的效率。对于普通用户，未来可能通过这一技术获得更精准、全面的信息服务，尤其是在医疗咨询、教育学习等需要深度信息支持的领域。开源模式也将促进学术界和产业界对智能代理技术的进一步研究和应用创新。
结论/前瞻：随着Tongyi DeepResearch等先进模型的出现，AI正在从简单的信息匹配者进化为真正的"研究助手"。300亿参数规模与动态激活机制的结合，既保证了模型能力，又兼顾了推理效率，为大模型的实用化探索了新路径。未来，随着多模态能力的融入和领域知识的深化，智能代理有望在更多专业领域发挥重要作用，推动人机协作进入新的阶段。
【免费下载链接】Tongyi-DeepResearch-30B-A3B项目地址: https://ai.gitcode.com/hf_mirrors/Alibaba-NLP/Tongyi-DeepResearch-30B-A3B
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
