Universal Deep Research: Bring Your Own Model and Strategy

我们观察到，迄今为止推出的每一种深度研究代理都是通过硬编码来执行特定的研究策略，并且使用的是固定的工具选择。我们提出了通用深度研究系统（UDR），这是一个通用型代理系统，它可以封装任何语言模型，使用户能够创建、编辑和优化完全自定义的深度研究策略，而无需进行额外的训练或微调。为了展示我们系统的通用性，我们为UDR配备了示例性的最小化、扩展性和深入型研究策略，并提供了一个用户界面以方便对系统进行实验和探索。

现有的深度研究代理系统通常被硬编码为只能执行特定的研究策略，缺乏灵活性和通用性。这限制了用户根据自身需求定制研究策略的能力，且当前系统通常需要额外的训练或微调才能适应新策略。

论文提出了一种通用的深度研究代理系统UDR，该系统可以封装任何语言模型，并允许用户创建、编辑和优化自定义的研究策略，而无需额外训练或微调。其核心创新在于将研究策略抽象为可配置的模块，使系统具备高度灵活性和广泛适用性。

1. UDR支持多种研究策略（如最小化、扩展性和密集型策略）的实现，并提供用户界面方便用户实验。 2. 系统设计强调“无需训练即可定制”的特性，通过模块化架构实现策略的灵活组合。 3. 论文展示了UDR在不同研究任务上的通用性，验证了其在实际应用场景中的潜力。 4. 未来研究方向可能包括进一步优化策略配置的用户体验、探索UDR在多模态模型中的应用。

1. LangChain: A Framework for Building Applications with Language Models 2. AutoGPT: Autonomous Agents for Task Automation Using Language Models 3. AgentScope: A Unified and Extensible Framework for Multi-Agent Systems 4. MetaGPT: Meta Programming for Multi-Agent Collaborative Problem Solving 5. ReAct: Synergizing Reasoning and Acting in Language Models