深度研究的综合综述：系统、方法与应用

本综述审视了快速发展的深度研究（Deep Research）领域——即通过整合大语言模型、先进信息检索和自主推理能力来自动化复杂研究流程的AI应用。我们分析了自2023年以来出现的80多个商业和非商业实现，包括OpenAI/Deep Research、Gemini/Deep Research、Perplexity/Deep Research以及众多开源替代方案。通过全面审视，我们提出了一种新颖的层次化分类体系，根据四个基本技术维度对系统进行分类：基础模型与推理引擎、工具利用与环境交互、任务规划与执行控制、知识综合与输出生成。我们探讨了这些系统在学术、科学、商业和教育应用中体现的架构模式、实现方法和领域特定适配。我们的分析揭示了当前实现的显著能力以及它们在信息准确性、隐私、知识产权和可访问性方面面临的技术和伦理挑战。本综述最后确定了高级推理架构、多模态融合、领域特化、人机协作和生态系统标准化等有前景的研究方向，这些方向将可能塑造这一变革性技术的未来发展。通过提供理解深度研究系统的全面框架，本综述既有助于AI增强知识工作的理论理解，也有助于开发更强大、更负责任、更可访问的研究技术。该论文资源可在 https://github.com/scienceaix/deepresearch 查看。