8
0🎙️ 本期核心：告别“一问一答”时代！
本期节目聚焦人工智能领域的最前沿突破——阿里巴巴通义实验室开源的通义DeepResearch模型及其背后的核心技术框架 AgentFounder。这不仅是一个高性能的AI模型，更是一套完整、可复现、可扩展的Agent研发方法论。
通义DeepResearch（特别是 AgentFounder-30B 版本）在多项权威基准测试中表现卓越，首次实现了对主流闭源和开源 Deep Research Agent 的系统性超越，一举登顶SOTA。
如果你想了解AI如何从“智能问答机”进化为“资深研究员”，本期节目不容错过！
✨ 划重点：四大关键突破，性能狂飙！
1. 霸榜全球第一：通过“人类最后的考试”！
通义DeepResearch 在最具挑战性的 Agent 基准上表现惊人：
• HLE（Humanity's Last Exam，人类最后的考试）：AgentFounder-30B 成为首个突破 30% 门槛的开源模型，达到 31.5%，超越了所有已知的闭源产品，包括 DeepSeek-V3.1 (29.8%) 和 OpenAI Deep Research (26.6%)。
• BrowseComp：在OpenAI提出的超高难度网页浏览榜单上，它以 43.3%（中文）和 39.9%（英文）的准确率领跑开源领域。
• GAIA（text）：在通用AI助理基准测试中，它取得了 72.8% 的高分。
• Frames：在多视角推理和信息综合评估中，它以 89.6% 的成绩大幅超越所有开源和闭源模型。
这一系列成绩证明，AgentFounder-30B 具备了执行专家级任务的能力。
2. 训练范式革命：首创“Agentic CPT”
传统的 Agent 模型训练，依赖于在通用大模型基础上进行后训练（SFT/RL），存在“同时学习能力与对齐”的优化冲突。通义DeepResearch 团队首次提出了革命性的训练范式，在预训练和后训练之间引入了 Agentic Continual Pre-training (Agentic CPT) （智能体增量持续预训练）。
Agentic CPT 的核心目标是在下游微调前，构建一个预对齐的智能体基础模型，让模型天然支持工具调用和多步推理行为。
3. 数据炼金术：AgentFounder全自动合成
解决高质量数据稀缺问题是关键。AgentFounder 是一套全自动、可扩展、闭环的数据合成系统。
• FAS（First-order Action Synthesis，一阶动作合成）：通过构建**“实体锚定的开放世界知识记忆库”**，将静态知识转化为动态的问题解决情境。它能够在离线环境下大规模生成“规划动作”和“推理动作”数据，无需昂贵的商业API调用成本。
• HAS（Higher-order Action Synthesis，高阶动作合成）：将 Agent 轨迹重构为多步决策过程。通过在每一步扩展推理和行动的选项集，将此前被浪费的、次优的轨迹数据转化为丰富的训练信号，显著提升了模型的探索和决策能力。
4. 复杂任务利器：IterResearch深度模式
面对需要长远规划和海量信息处理的复杂研究任务，模型采用了创新的推理架构：
• Native ReAct 模式：模型基于标准 Thought-Action-Observation 循环，在 128K 上下文长度下进行数十轮交互，直接展现模型内生的 Agentic能力。
• IterResearch 范式（深度模式）：为了克服传统 ReAct 模式中**“认知局限”和“噪声污染”的问题，IterResearch 将任务分解为多个“研究轮次”。每轮只提取最核心的结论重建一个轻量工作区，确保 Agent 在处理超长任务时，始终保持清晰的认知焦点**和高质量的推理。
🌐 落地应用：不止于研究
通义DeepResearch的技术并非停留在论文层面，它已深度赋能阿里系产品：
• 高德智驾：应用于高德“小高老师”，构建了精通地图领域的复杂 “POI推理Agent”，能够处理多维度约束（如地理、交通、时间、评分）的行程规划需求。
• 通义法睿：融入法律智能体，大幅升级其 DeepResearch 能力。在 PK 中，通义法睿在答案要点质量、案例引用质量、法条引用质量三大核心维度上，超越了OpenAI、Claude 等同类产品。
📢 节目结语
通义DeepResearch的全面开源，无疑是 Agent 领域的一大里程碑。它提供了一条轻量模型称霸深度研究的有效路径，并大方分享了其核心秘方：合成数据+强化学习是训练未来 Agent 的关键。
欢迎访问 GitHub 获取所有项目论文和代码，共同构建下一代深度研究智能体！
