这项由北京智源人工智能研究院和清华大学等机构团结开展的研究揭晓于2026年2月的ArXiv预印本平台（论文编号：arXiv:2602.06540v1） ，，，，， ，，有兴趣深入相识的读者可以通过该编号盘问完整论文。。 。 。。。研究团队开发了一个名为AgentCPM-Report的立异系统 ，，，，， ，，彻底改变了AI天生深度研究报告的方法。。 。 。。。
当我们谈论AI写研究报告时 ，，，，， ，，大大都人可能会以为这是个很重大的手艺问题。。 。 。。。但现实上 ，，，，， ，，这个研究解决的是一个很是贴近人类写作体验的问题。。 。 。。�； ；；；；；；Ｗ纺钜幌履阈唇嵋德畚幕蚴虑楸ǜ娴睦� ，，，，， ，，你是先列好详细纲要再严酷凭证纲要写作的吗？？？？ ？？ ？照旧在写作历程中一直发明新的想法 ，，，，， ，，然后调解纲要和内容？？？？ ？？ ？大部分人的履历都是后者——写作自己就是思索的历程 ，，，，， ，，在写的时间才会发明哪些地方需要更深入探讨 ，，，，， ，，哪些逻辑需要调解。。 。 。。。
然而 ，，，，， ，，现有的AI系统却接纳了"先做妄想再执行"的机械化方法。。 。 。。。这些系统就像是严酷凭证菜谱做菜的厨师 ，，，，， ，，一旦菜谱定了 ，，，，， ，，就不允许中途调解 ，，，，， ，，纵然发明某种调料不敷或者火候差池。。 。 。。。这种僵化的事情方法导致AI天生的报告往往结构完整但内容浅陋 ，，，，， ，，缺乏真正的洞察力。。 。 。。。
更要害的是 ，，，，， ，，现在最优异的深度研究系统都依赖于动辄千亿参数的大型模子 ，，，，， ，，好比GPT-4或Gemini这样的闭源系统。。 。 。。。这就像是只有超等盘算机才华完成的事情 ，，，，， ，，通俗人或小公司基础无法肩负。。 。 。。。特殊是当你需要处置惩罚敏感或私密数据时 ，，，，， ，，必需将这些信息上传到云端处置惩罚 ，，，，， ，，这带来了重大的隐私和清静危害。。 。 。。。
一、写作即推理：倾覆古板的WARP框架
研究团队提出的焦点立异是WARP（Writing As Reasoning Policy）框架 ，，，，， ，，这个名字自己就很形象——写作犹如推理。。 。 。。。这个框架的焦点理念是让AI在写作历程中一直思索和调解 ，，，，， ，，就像人类作者一样。。 。 。。。
在古板的AI写作系统中 ，，，，， ，，整个历程分为两个完全自力的阶段：制订详细妄想 ，，，，， ，，然后严酷执行。。 。 。。。这就像是要求一个修建师在没有实地勘探的情形下就画出完善的修建蓝图 ，，，，， ，，然后工人必需严酷凭证蓝图施工 ，，，，， ，，纵然发明地基有问题也不可调解。。 。 。。。显然 ，，，，， ，，这种方法很难爆发高质量的效果。。 。 。。。
WARP框架完全改变了这种事情模式。。 。 。。。它让AI在两种状态之间一直切换：证据驱动的起草（Evidence-Based Drafting）和推理驱动的深化（Reasoning-Driven Deepening）。。 。 。。。这个历程更像是一个履历富厚的记者在写深度报道——先网络基础信息写出初稿 ，，，，， ，，然后在写作历程中发明哪些地方需要更多证据支持 ，，，，， ，，哪些论点需要进一步睁开 ，，，，， ，，于是再去网络更多信息 ，，，，， ，，调解文章结构 ，，，，， ，，云云循环往复。。 。 。。。
详细来说 ，，，，， ，，AI首先会凭证用户的需求天生一个简陋的纲要 ，，，，， ，，这个纲要只包括主要章节的问题和简要写作意图 ，，，，， ，，而不是详细到每个段落的内容妄想。。 。 。。。然后 ，，，，， ，，AI最先填充这些章节的内容。。 。 。。。在写作历程中 ，，，，， ，，AI会评估目今的底稿质量 ，，，，， ，，判断哪些部分叙述不敷深入或者逻辑不敷连贯。。 。 。。。一旦发明这样的问题 ，，，，， ，，AI就会进入"深化模式" ，，，，， ，，重新搜索相关信息 ，，，，， ，，将原来的章节剖析为更详尽的小节 ，，，，， ，，然后继续写作。。 。 。。。
这个历程的巧妙之处在于 ，，，，， ，，AI不是盲目地扩展内容 ，，，，， ，，而是基于已经写出的文字来判断哪些地方真正需要深化。。 。 。。。就像一个好的导师在审阅学生论文时 ，，，，， ，，能够准确指出哪些地方叙述不充分 ，，，，， ，，哪些地方需要更多的实例支持。。 。 。。。
二、小模子的逆袭：多阶段智能体训练战略
仅仅有好的框架还不敷 ，，，，， ，，要让只有80亿参数的小模子掌握这种重大的写作手艺 ，，，，， ，，需要特殊设计的训练要领。。 。 。。。研究团队开发了一套多阶段智能体训练战略 ，，，，， ，，这个历程就像是作育一个新手记者成为资深专家的完整培训妄想。。 。 。。。
第一阶段是"冷启动"训练 ，，，，， ，，类似于给新记者举行基础的新闻写作培训。。 。 。。。在这个阶段 ，，，，， ，，AI学习基本的指令遵照能力和名堂规范 ，，，，， ，，就像学会怎样写标准的新闻稿。。 。 。。。研究团队使用了约莫33000个高质量的写作样原来训练模子的基础能力。。 。 。。。
第二阶段是原子手艺强化学习 ，，，，， ，，这就像是划分训练记者的各项专业手艺：怎样做配景调研（检索能力）、怎样组织文章结构（妄想能力）、怎样写出引人入胜的段落（写作能力）、怎样判断何时收手（决议能力）。。 。 。。。研究团队为每种能力都设计了专门的奖励函数。。 。 。。。好比 ，，，，， ，，关于妄想能力 ，，，，， ，，系统会评估天生的纲要是否逻辑清晰、条理明确； ；；；；；；；关于写作能力 ，，，，， ，，系统会检查段落是否与引用的资料坚持一致 ，，，，， ，，是否有足够的深度和新颖性。。 。 。。。
第三阶段是整体管道强化学习 ，，，，， ，，这相当于让记者在真真相形中完成完整的报道使命。。 。 。。。在这个阶段 ，，，，， ，，AI不再依赖事先准备好的标准谜底 ，，，，， ，，而是凭证最终天生报告的整体质量来调解自己的战略。。 。 。。。这个阶段特殊主要 ，，，，， ，，由于它让AI学会了全局优化——知道什么时间应该深入挖掘某个话题 ，，，，， ，，什么时间应该适可而止。。 。 。。。
训练历程中最巧妙的一个立异是"轨迹修剪"战略。。 。 。。。研究团队发明 ，，，，， ，，纵然是大型的西席模子也不知道什么时间应该阻止扩展内容 ，，，，， ，，经�； ；；；；；；；嵛扌葜沟靥砑酉附诨蛘吖缈⑹隆�。 。 。。。为相识决这个问题 ，，，，， ，，他们让西席模子强制性地天生多个版本的报告 ，，，，， ，，每个版本的详细水平都差别 ，，，，， ，，然后评估这些版本的质量 ，，，，， ，，选择最好的谁人版本作为训练目的。。 。 。。。这就像是让一个履历富厚的编辑从记者提交的多个底稿中选择最佳版本。。 。 。。。
三、从实验室到现实：周全的性能验证
为了验证这个系统的现实效果 ，，，，， ，，研究团队在三个差别的基准测试上举行了周全评估。。 。 。。。这些测试涵盖了从学术研究报告到商业咨询剖析的种种场景 ，，，，， ，，就像是让这个AI系统加入多个差别类型的写作角逐。。 。 。。。
在DeepResearch Bench这个专门测试博士级别研究使命的基准上 ，，，，， ，，AgentCPM-Report展现出了令人惊讶的性能。。 。 。。。这个测试包括了22个学术领域的100个重大使命 ，，，，， ，，相当于让AI完成真正的博士论文级别的研究事情。。 。 。。。效果显示 ，，，，， ，，仅使用80亿参数的AgentCPM-Report在洞察力指标上获得了52.64分 ，，，，， ，，凌驾了使用更大模子的Gemini-2.5-Pro-deepresearch系统的49.45分。。 。 。。。这就像是让一个资历较浅的记者在深度报道角逐中战胜了资深记者。。 。 。。。
更主要的是 ，，，，， ，，研究团队通过详细剖析发明 ，，，，， ，，这种性能提升主要来自于系统的"推理驱动深化"能力。。 。 。。。古板系统在写完初稿后就基本定型了 ，，，，， ，，而AgentCPM-Report能够在写作历程中一直发明新的研究角度和毗连点。。 。 。。。好比 ，，，，， ，，在写一篇关于人工智能对人际关系影响的报告时 ，，，，， ，，系统可能在写作历程中意识到需要从认知心理学和社会学两个差别角度来剖析这个问题 ，，，，， ，，然后自动调解文章结构 ，，，，， ，，添加响应的章节。。 。 。。。
在商业咨询场景的DeepConsult测试中 ，，，，， ，，AgentCPM-Report同样体现精彩。。 。 。。。这个测试模拟了真实的商业剖析使命 ，，，，， ，，要求AI天生具有适用价值的商业研究报告。。 。 。。。效果显示 ，，，，， ，，与基于OpenAI系统的基线相比 ，，，，， ，，AgentCPM-Report的胜率抵达了57.60% ，，，，， ，，败率只有28.68%。。 。 。。。这意味着在大大都情形下 ，，，，， ，，这个小模子系统天生的报告质量都凌驾了大型商业AI系统。。 。 。。。
四、手艺细节：让重大变简朴的工程智慧
虽然WARP框架的理念听起来很直观 ，，，，， ，，但要在手艺上实现却需要解决许多重大的问题。。 。 。。。研究团队在论文中详细形貌了这些手艺细节 ，，，，， ，，每一个都体现了深图远虑的工程智慧。。 。 。。。
首先是状态体现问题。。 。 。。。在每个写作循环中 ，，，，， ，，AI需要同时跟踪用户盘问、目今纲要、已写内容和检索到的配景信息。。 。 。。。这就像是一个记者需要同时记着采访主题、文章框架、已写段落和网络的素材。。 。 。。。研究团队将这些信息统一编码为一个全局状态 ，，，，， ，，让AI能够在差别写作阶段之间坚持连贯性。。 。 。。。
行动空间的设计也很巧妙。。 。 。。。AI可以执行五种基本操作：初始化（天生基础纲要）、搜索（获取相关信息）、写作（天生内容）、扩展（细化纲要结构）和终止（完成写作）。。 。 。。。这些操作的组合可以爆发重大的写作行为 ，，，，， ，，就像是用简朴的积木搭建重大的修建。。 。 。。。
特殊值得注重的是终止决议机制。。 。 。。。AI需要学会判断什么时间应该阻止写作 ，，，，， ，，这是一个很是难题的问题 ，，，，， ，，由于没有标准谜底告诉系统什么样的报告长度是"恰恰"的。。 。 。。。研究团队通太过析报告的语义密度和逻辑连贯性来训练这种判断能力 ，，，，， ，，让AI能够在内容充分和太过冗余之间找到平衡点。。 。 。。。
在现实安排方面 ，，，，， ，，研究团队还思量了效率问题。。 。 。。。他们将报告结构限制在三个层级以内 ，，，，， ，，并且限制了最多12次的深化操作。。 。 。。。这些限制确保了系统能够在合理的时间内完成使命 ，，，，， ，，同时阻止了无限循环的危害。。 。 。。。
五、从理论到应用：真实天下的影响
这项研究的意义远远凌驾了手艺层面的立异。。 。 。。。它代表了AI系统设计哲学的重大转变——从机械化的执行模式转向越发人性化的思索模式。。 。 。。。
在现实应用中 ，，，，， ，，这种转变会爆发深远的影响。。 。 。。。首先 ，，，，， ，，它大大降低了高质量AI写作系统的门槛。。 。 。。。以前只有大型科技公司才华提供的深度研究效劳 ，，，，， ，，现在中小企业甚至小我私家用户都可能拥有。。 。 。。。这就像是从需要大型主机才华运行的软件酿成了人人都能使用的手机应用。。 。 。。。
更主要的是 ，，，，， ，，这种外地化的AI系统解决了数据隐私和清静的主要问题。。 。 。。。企业可以在自己的效劳器上安排这样的系统 ，，，，， ，，处置惩罚敏感的商业信息而不必担心数据泄露。。 。 。。。学术研究者也可以用它来处置惩罚神秘的研究数据 ，，，，， ，，而不需要将这些信息上传到云端。。 。 。。。
从用户体验的角度来看 ，，，，， ，，WARP框架天生的报告越发贴近人类的阅读期望。。 。 。。。由于系统在写作历程中会一直发明和探索新的角度 ，，，，， ，，最终的报告往往包括意想不到的洞察和毗连 ，，，，， ，，而不是简朴的信息堆砌。。 。 。。。这就像是阅读一篇由履历富厚的记者写出的深度报道 ，，，，， ，，而不是由机械拼集的信息摘要。。 。 。。。
研究团队在论文中还展示了一个详细的案例 ，，，，， ，，说明系统是怎样在写作历程中发明新的研究偏向的。。 。 。。。在写一篇关于AI对人际关系影响的报告时 ，，，，， ，，系统最初的纲要只包括了手艺影响和社会影响两个部分。。 。 。。。但在写作历程中 ，，，，， ，，系统意识到还需要从认知心理学的角度剖析这个问题 ，，，，， ，，于是自动添加了相关章节 ，，，，， ，，并搜索了相关的理论框架如"盘算机即社会行为者"理论。。 。 。。。这种动态的内容发明能力是古板静态妄想系统无法实现的。。 。 。。。
六、挑战与局限：忠实面临现实问题
只管AgentCPM-Report取得了令人印象深刻的效果 ，，，，， ，，研究团队也忠实地认可了目今系统的局限性。。 。 。。。这种坦诚的态度体现了严谨的学术精神 ，，，，， ，，也为未来的刷新指明晰偏向。。 。 。。。
首先是内容泛起的问题。。 。 。。。现在的系统主要关注文本内容的天生 ，，，，， ，，关于表格、图表等重学名堂的处置惩罚能力有限。。 。 。。。在许多专业报告中 ，，，，， ，，数据可视化是转达信息的主要方法 ，，，，， ，，但现有的AI系统在这方面还需要人工干预。。 。 。。。研究团队建议将内容天生和名堂渲染疏散 ，，，，， ，，用专门的渲染模�？？？ ？？ ？槔创χ贸头Ｖ卮蟮陌婷嫔杓啤�。 。 。。。
信息源的局限性也是一个现实问题。。 。 。。。现在系统主要依赖预先构建的文本数据库 ，，，，， ，，虽然包括了280万篇学术论文摘要和网页摘要 ，，，，， ，，但在时效性和笼罩规模上仍有缺乏。。 。 。。。特殊是关于快速生长的手艺领域或者需要最新数据的商业剖析 ，，，，， ，，系统可能无法提供足够新鲜的信息。。 。 。。。
评估标准的主观性也是一个值得关注的问题。。 。 。。。虽然研究团队使用了多个基准测试和差别的评判模子 ，，，，， ，，但报告质量的评估实质上带有主观色彩。。 。 。。。差别的读者关于什么是"高质量"的报告可能有差别的标准。。 。 。。。
七、未来展望：手艺前进的下一步
研究团队在论文最后部分详细形貌了未来的研究偏向 ，，，，， ，，这些偏向既体现了手艺生长的一定趋势 ，，，，， ，，也反应了对用户需求的深刻明确。。 。 。。。
多模态内容天生是一个主要的生长偏向。。 。 。。。未来的系统需要能够处置惩罚图像、视频、音频等多种媒体形式 ，，，，， ，，天生真正的多媒体研究报告。。 。 。。。这不但仅是手艺挑战 ，，，，， ，，也涉及到怎样在差别媒体形式之间坚持内容的连贯性和逻辑性。。 。 。。。
个性化定制是另一个值得期待的功效。。 。 。。。差别的用户对报告的气概、深度、关注点都有差别的需求。。 。 。。。未来的系统可能会学习用户的偏好 ，，，，， ，，自动调解写作气概和内容重点。。 。 。。。好比 ，，，，， ，，学术研究者可能更关注要领论的严谨性 ，，，，， ，，而商业用户可能更看重适用性和可操作性。。 。 。。。
实时更新能力也是一个主要的刷新偏向。。 。 。。。随着信息更新速率的加速 ，，，，， ，，AI系统需要能够动态地获取最新信息 ，，，，， ，，更新已有的报告内容。。 。 。。。这就像是让报告成为一个"活文档" ，，，，， ，，能够随着新信息的泛起而自动演进。。 。 。。。
说究竟 ，，，，， ，，这项研究代表了AI手艺生长的一个主要里程碑。。 。 。。。它证实晰通过巧妙的算法设计和训练战略 ，，，，， ，，小型模子也能够实现以前只有大型模子才华完成的重大使命。。 。 。。。更主要的是 ，，，，， ，，它展示了AI系统怎样能够更好地模拟人类的思索历程 ，，，，， ，，从机械化的执行转向创立性的探索。。 。 。。。
关于通俗用户来说 ，，，，， ，，这意味着高质量的AI写作助手可能很快就会变得触手可及。。 。 。。。无论是学生写论文、研究者做综述 ，，，，， ，，照旧企业剖析师制作报告 ，，，，， ，，都可能从这种手艺中受益。。 。 。。。并且由于系统可以完全在外地运行 ，，，，， ，，用户不必担心隐私泄露或网络毗连问题。。 。 。。。
这项研究也提醒我们 ，，，，， ，，AI手艺的生长不应该只是简朴的参数规模竞赛。。 。 。。。通过更好的架构设计和训练要领 ，，，，， ，，我们可以让AI系统变得越发高效、适用 ，，，，， ，，也越发贴近人类的事情方法。。 。 。。。这种生长偏向关于AI手艺的普及和可一连生长都具有主要意义。。 。 。。。
Q&A
Q1：WARP框架和古板AI写作要领有什么基础区别？？？？ ？？ ？
A：古板AI写作接纳"先制订详细妄想再严酷执行"的方法 ，，，，， ，，就像严酷凭证菜谱做菜。。 。 。。。而WARP框架让AI在写作历程中一直思索和调解 ，，，，， ，，在"证据驱动的起草"和"推理驱动的深化"之间循环切换 ，，，，， ，，更像人类作者在写作中发明新想法然后调解内容的自然历程。。 。 。。。
Q2：AgentCPM-Report只用80亿参数就能逾越大模子吗？？？？ ？？ ？
A：是的 ，，，，， ，，在多个基准测试中AgentCPM-Report都展现了逾越大型模子的性能。。 。 。。。好比在洞察力指标上得分52.64 ，，，，， ，，凌驾了Gemini-2.5-Pro-deepresearch的49.45分。。 。 。。。这主要归功于WARP框架和多阶段训练战略 ，，，，， ，，证实晰巧妙的算法设计比简朴的参数群集更主要。。 。 。。。
Q3：通俗用户什么时间能用上这种外地AI写作系统？？？？ ？？ ？
A：研究团队已经在GitHu河南河洛医疗科技有限公司b开源了相关代码 ，，，，， ，，并在HuggingFace平台提供了模子下载。。 。 。。。由于系统设计为完全外地运行 ，，，，， ，，不依赖云端效劳 ，，，，， ，，理论上现在就可以安排使用。。 。 。。。不过要抵达消耗级产品的易用性还需要一准时间的工程化开发。。 。 。。。