近日，美國(guó)華盛頓大學(xué)博士生邵如琳和合作團(tuán)隊(duì)打造出一個(gè)名為 Deep Research Tulu（DR Tulu）的深度研究小助手。使用一次 OpenAI 的 Deep Research 服務(wù)可能需要大約 1.8 美元，而 DR Tulu 使用一次的成本卻不到 0.002 美元，這幾乎是千倍的效率提升，這意味著未來(lái)個(gè)人或者小團(tuán)隊(duì)也能負(fù)擔(dān)得起高質(zhì)量、高可信度的 AI 研究服務(wù)。

DR Tulu 是一個(gè)擁有超級(jí)大腦且會(huì)熟練使用搜索引擎的科研助手。當(dāng)你問(wèn)它一個(gè)問(wèn)題時(shí)，它不會(huì)只是簡(jiǎn)單地給你一列網(wǎng)頁(yè)鏈接，而是會(huì)像一位真正的研究員那樣，先去思考如何解決你的問(wèn)題，然后主動(dòng)查找各種資料比如網(wǎng)頁(yè)和論文，最終為你整理出一份條理清晰、有根有據(jù)、帶著詳細(xì)出處說(shuō)明的長(zhǎng)篇答案。

（來(lái)源：資料圖）

DR Tulu 的表現(xiàn)大幅超越了所有其他公開(kāi)可用的、專(zhuān)為搜索設(shè)計(jì)的 AI 模型，包括一些體型比它大的模型，證明了“小模型+好方法”也能做出大成就。

它的表現(xiàn)匹敵甚至超越了 OpenAI、Google 等公司的頂級(jí)商用深度研究系統(tǒng)，比如 OpenAI 的 Deep Research、谷歌的 Gemini Pro + Search。要知道，這些系統(tǒng)背后的技術(shù)往往不公開(kāi)，而且使用成本非常高昂。

同時(shí)，DR Tulu 會(huì)坦誠(chéng)地承認(rèn)自己的知識(shí)邊界，并主動(dòng)查找和核實(shí)信息，從而盡可能減少回答中的"幻覺(jué)"。DR Tulu 還會(huì)在回答中提供詳細(xì)的文獻(xiàn)依據(jù)，方便用戶(hù)交叉驗(yàn)證。目前業(yè)界尚無(wú)成熟的訓(xùn)練方法和數(shù)據(jù)來(lái)實(shí)現(xiàn)這一目標(biāo)。DR Tulu 的這些能力源于一項(xiàng)新型訓(xùn)練方法及其配套框架，使 AI 與評(píng)估器在訓(xùn)練過(guò)程中協(xié)同進(jìn)化、相互提升。

圖 | 邵如琳（來(lái)源：邵如琳）

為了讓 DR Tulu 成為一個(gè)優(yōu)秀的研究員，研究人員并沒(méi)有簡(jiǎn)單地把它丟進(jìn)一堆問(wèn)題里去死記硬背，而是像訓(xùn)練一位聰明的學(xué)徒以分為兩步走：

第一步是名師出高徒，研究人員請(qǐng)來(lái)幾位非常厲害的 AI 老師比如 GPT-5。這些老師本身就擅長(zhǎng)查找資料和回答問(wèn)題。研究人員讓 AI 老師們?cè)诨卮鸪汕先f(wàn)個(gè)問(wèn)題的過(guò)程中，把它們?nèi)绾嗡伎?、如何搜索、如何組織答案的每一步都記錄下來(lái)。這些記錄下來(lái)的標(biāo)準(zhǔn)答案步驟，成為了 DR Tulu 學(xué)習(xí)的第一手教材。通過(guò)模仿這些步驟，DR Tulu 學(xué)會(huì)了當(dāng)一名研究員的基本功。

第二步是在實(shí)戰(zhàn)中進(jìn)化，光會(huì)模仿還不夠，為了讓它變得更強(qiáng)大，研究人員發(fā)明了一個(gè)名為帶有進(jìn)化評(píng)分標(biāo)準(zhǔn)的強(qiáng)化學(xué)習(xí)的方法。

傳統(tǒng)方法就像老師拿著一份固定的評(píng)分表，用它來(lái)給學(xué)生的作業(yè)打分。學(xué)生可能會(huì)為了得高分，投機(jī)取巧地滿(mǎn)足這些死板的條目，而忽略了真正的理解和創(chuàng)造。

研究人員發(fā)現(xiàn)，AI 在回答復(fù)雜問(wèn)題的時(shí)候，好壞標(biāo)準(zhǔn)很難用幾張固定的評(píng)分表說(shuō)清楚。于是，他們讓評(píng)分標(biāo)準(zhǔn)也跟著 AI 的學(xué)習(xí)一起進(jìn)化。

具體來(lái)說(shuō)，在訓(xùn)練中 DR Tulu 會(huì)試著回答很多問(wèn)題，并能得到多個(gè)版本的答案。然后，另一個(gè) AI 也就是評(píng)分官會(huì)仔細(xì)對(duì)比這些答案，動(dòng)態(tài)地發(fā)現(xiàn)新的優(yōu)點(diǎn)和缺點(diǎn)，并把它們作為新的評(píng)分標(biāo)準(zhǔn)。

這樣，評(píng)分標(biāo)準(zhǔn)就會(huì)越來(lái)越貼近 AI 當(dāng)前的真實(shí)水平，能更好地鑒別出高質(zhì)量的回答。同時(shí)，這些標(biāo)準(zhǔn)總是基于最新搜索到的真實(shí)知識(shí)，而不是 AI 自己想象出來(lái)的內(nèi)容。這樣一來(lái)，DR Tulu 就能在不斷的挑戰(zhàn)和反饋中持續(xù)進(jìn)步，學(xué)會(huì)搜索以及通過(guò)綜合信息來(lái)給出可靠的答案。

（來(lái)源：資料圖）

研究人員在四個(gè)涵蓋學(xué)術(shù)、醫(yī)療等領(lǐng)域的現(xiàn)有 Deep Research 基準(zhǔn)上測(cè)試了 DR Tulu 的表現(xiàn)。結(jié)果顯示，DR Tulu 達(dá)到了當(dāng)前最優(yōu)水平（SOTA），與市面上表現(xiàn)最佳的 OpenAI Deep Research 相當(dāng)，而成本僅為其千分之一。

（來(lái)源：資料圖）

為了檢驗(yàn) DR Tulu 解決現(xiàn)實(shí)世界難題的能力，研究人員設(shè)計(jì)了一個(gè)新挑戰(zhàn)：分析致病基因變異。這是一個(gè)非常專(zhuān)業(yè)的醫(yī)學(xué)遺傳學(xué)問(wèn)題，需要從海量的科學(xué)論文和數(shù)據(jù)庫(kù)中查找信息，判斷一個(gè)特定的基因變異如何導(dǎo)致疾病，以及它是否適合采用某些前沿的治療方法比如基因療法。

為此，研究人員創(chuàng)建了包含 47 個(gè)此類(lèi)問(wèn)題的基因疾病問(wèn)答數(shù)據(jù)集。DR Tulu 在這個(gè)它從未專(zhuān)門(mén)學(xué)習(xí)過(guò)的領(lǐng)域，表現(xiàn)出了較強(qiáng)的泛化能力即解決新問(wèn)題的能力。它不僅能夠找到相關(guān)的科學(xué)證據(jù)，還能將這些證據(jù)組織起來(lái)進(jìn)行比較和綜合，清晰地解釋變異的致病機(jī)理。

雖然在最終答案上的準(zhǔn)確性上略遜于使用最強(qiáng)商用大模型的系統(tǒng)，但是在證據(jù)支持方面 DR Tulu 做得較為出色。對(duì)于專(zhuān)業(yè)用戶(hù)比如醫(yī)學(xué)用戶(hù)來(lái)說(shuō)，這比一個(gè)看似正確但無(wú)法驗(yàn)證的簡(jiǎn)單答案更有價(jià)值，因?yàn)樗麄兛梢砸罁?jù) DR Tulu 提供的詳細(xì)引文去追溯和核實(shí)。

另?yè)?jù)悉，研究人員針對(duì) DR Tulu 進(jìn)行了完全開(kāi)放：訓(xùn)練代碼、數(shù)據(jù)、模型參數(shù)等目前已經(jīng)全部公開(kāi)。

參考資料：

代碼鏈接：https://github.com/rlresearch/dr-tulu

數(shù)據(jù)及模型鏈接：https://huggingface.co/collections/rl-research/dr-tulu

https://arxiv.org/abs/2511.19399

運(yùn)營(yíng)/排版：何晨龍