〇 分享简介 〇

随着大模型慢思考推理能力、Agentic端到端训练等技术发展，信息获取agent能力取得飞速进步。OpenAI、谷歌及国内大模型厂商纷纷推出自己的深度研究产品。模型可以通过与外界信息环境的深度交互，完成专业的研究报告生成，回答人类数小时都无法求解的难题。大模型的信息及知识获取模式逐步从简单的搜索增强生成往长时、多工具、复杂任务形态等方向发展。

信息获取几乎是所有复杂生活、生产任务的基础步骤，能否实现信息获取AGI，是AI技术发展阶段的重要衡量维度。信息获取agent逐步从“副驾”走向“主驾”,也将会是AI发展的必然趋势。在这个过程中， 端到端模型训练、难例数据合成，开放式任务评测等将会是整个行业需要解决的关键技术问题。

本分享将会梳理大模型信息获取Agent及深度研究技术的最新发展现状与趋势，结合华为诺亚方舟实验室在智能体上的研究实践，与IT从业者们共同探讨通往信息获取AGI的关键技术路径。

〇 分享收益 〇

目标：

1、了解信息获取Agent的发展现状

2、了解实现信息获取Agent的若干关键技术

3、通过信息获取Agent看到整个AI及智能体的发展趋势

成功要点：

经验scaling+ 推理时长scaling+群体智能scaling ，是通往信息获取AGI的关键路径，它们如同三把钥匙，为行业发展在未来的信息时代中实现更加智能、高效的信息获取和处理带来了无限的可能。

启示：

1、真正利用大规模算力scaling的方法，需研究人员具备深厚的专业知识和丰富的实践经验，需深入了解计算技术的本质，掌握各种算法的特点和应用场景，灵活调整和优化计算方案。才能确保大规模算力得到充分、有效的利用，避免资源的浪费和盲目堆砌。

2、真正利用大规模算力scaling，许多领域已然实现，它是推动智能水平实现，质的提升的关键所在，承载着未来智能社会发展的美好期望，具有不可估量的价值和意义。

〇 分享亮点 〇

1、信息获取任务定义与挑战

2、信息获取agent业界技术发展现状

3、DeepDiver：盘古信息获取Agent技术实践

4、总结与展望

5、QA