論文の概要: A Comprehensive Survey of Deep Research: Systems, Methodologies, and Applications

• arxiv url: http://arxiv.org/abs/2506.12594v1
• Date: Sat, 14 Jun 2025 18:19:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-17 17:28:46.501726
• Title: A Comprehensive Survey of Deep Research: Systems, Methodologies, and Applications
• Title（参考訳）: 深層研究の包括的調査:システム,方法論,応用
• Authors: Renjun Xu, Jingwen Peng,
• Abstract要約: 2023年以降に登場した80以上の商用および非商用実装を分析します。 本稿では,4つの基本的技術的側面に基づいてシステムを分類する新しい階層型分類法を提案する。 私たちの分析は、現在の実装の重要な機能と、それらがもたらす技術的、倫理的課題の両方を明らかにします。
• 参考スコア（独自算出の注目度）: 3.002468101812191
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This survey examines the rapidly evolving field of Deep Research systems -- AI-powered applications that automate complex research workflows through the integration of large language models, advanced information retrieval, and autonomous reasoning capabilities. We analyze more than 80 commercial and non-commercial implementations that have emerged since 2023, including OpenAI/Deep Research, Gemini/Deep Research, Perplexity/Deep Research, and numerous open-source alternatives. Through comprehensive examination, we propose a novel hierarchical taxonomy that categorizes systems according to four fundamental technical dimensions: foundation models and reasoning engines, tool utilization and environmental interaction, task planning and execution control, and knowledge synthesis and output generation. We explore the architectural patterns, implementation approaches, and domain-specific adaptations that characterize these systems across academic, scientific, business, and educational applications. Our analysis reveals both the significant capabilities of current implementations and the technical and ethical challenges they present regarding information accuracy, privacy, intellectual property, and accessibility. The survey concludes by identifying promising research directions in advanced reasoning architectures, multimodal integration, domain specialization, human-AI collaboration, and ecosystem standardization that will likely shape the future evolution of this transformative technology. By providing a comprehensive framework for understanding Deep Research systems, this survey contributes to both the theoretical understanding of AI-augmented knowledge work and the practical development of more capable, responsible, and accessible research technologies. The paper resources can be viewed at https://github.com/scienceaix/deepresearch.
• Abstract（参考訳）: この調査では、大規模言語モデル、高度な情報検索、自律推論機能の統合を通じて、複雑な研究ワークフローを自動化するAIベースのアプリケーションである、Deep Researchシステムの急速に進化する分野について調査する。 OpenAI/Deep Research、Gemini/Deep Research、Perplexity/Deep Researchなど、2023年以降に登場した80以上の商用および非商用実装を分析します。 総合的な検討を通じて,基礎モデルと推論エンジン,ツール利用と環境相互作用,タスク計画と実行制御,知識合成と出力生成の4つの基本技術次元に分類する,新しい階層型分類法を提案する。 学術、科学、ビジネス、教育の分野でこれらのシステムを特徴付けるアーキテクチャパターン、実装アプローチ、ドメイン固有の適応について検討する。 本分析は,情報正確性,プライバシ,知的財産権,アクセシビリティに関する技術的・倫理的課題と,現在の実装の意義を明らかにするものである。 この調査は、先進的な推論アーキテクチャ、マルチモーダルな統合、ドメインの特殊化、人間とAIのコラボレーション、そしてこの変革的技術の将来の進化を形作るであろうエコシステムの標準化における有望な研究方向を特定することで締めくくられている。 ディープリサーチシステムを理解するための包括的なフレームワークを提供することにより、この調査はAIによる知識労働の理論的理解と、より有能で責任があり、アクセス可能な研究技術の実践的開発の両方に寄与する。 資料はhttps://github.com/scienceaix/deepresearchで見ることができる。

関連論文リスト

• Agentic AI for Scientific Discovery: A Survey of Progress, Challenges, and Future Directions [0.0]
  エージェントAIシステムは推論、計画、自律的な意思決定を行うことができる。 彼らは、科学者が文献のレビューを行い、仮説を作成し、実験を行い、結果を分析する方法を変えようとしている。
  論文  参考訳（メタデータ） (2025-03-12T01:00:05Z)
• A Comprehensive Survey on Integrating Large Language Models with Knowledge-Based Methods [4.686190098233778]
  大規模言語モデル(LLM)は構造化知識ベースシステムと統合することができる。 本稿では, LLMと知識基盤の関係を調査し, 実際に適用できる方法について検討し, 技術的, 運用的, 倫理的課題について考察する。 これは、データコンテキスト化、モデル精度、知識リソースの利用に関する構造化知識ベースシステムに生成AIを組み込むことの利点を示す。
  論文  参考訳（メタデータ） (2025-01-19T23:25:21Z)
• A Survey on Knowledge Organization Systems of Research Fields: Resources and Challenges [0.0]
  知識組織システム(KOS)は、情報の分類、管理、検索において基本的な役割を果たす。 本稿は、現在のKOSに関する総合的な研究成果を学術分野に提示することを目的としている。 我々は、スコープ、構造、使用法、および他のKOSへのリンクの5つの主要な次元に基づいて45のKOSを分析した。
  論文  参考訳（メタデータ） (2024-09-06T17:54:43Z)
• Ontology Embedding: A Survey of Methods, Applications and Resources [54.3453925775069]
  オンロジはドメインの知識とメタデータを表現するために広く使われている。 直接支援できる論理的推論は、学習、近似、予測において非常に限られています。 1つの簡単な解決策は、統計分析と機械学習を統合することである。
  論文  参考訳（メタデータ） (2024-06-16T14:49:19Z)
• Networking Systems for Video Anomaly Detection: A Tutorial and Survey [55.28514053969056]
  ビデオ異常検出(VAD)は人工知能(AI)コミュニティにおける基本的な研究課題である。 ディープラーニングとエッジコンピューティングの進歩により、VADは大きな進歩を遂げた。 この記事では、NSVADの初心者向けの包括的なチュートリアルを紹介します。
  論文  参考訳（メタデータ） (2024-05-16T02:00:44Z)
• The Future of Fundamental Science Led by Generative Closed-Loop Artificial Intelligence [67.70415658080121]
  機械学習とAIの最近の進歩は、技術革新、製品開発、社会全体を破壊している。 AIは、科学的な実践とモデル発見のための高品質なデータの大規模なデータセットへのアクセスがより困難であるため、基礎科学にはあまり貢献していない。 ここでは、科学的な発見に対するAI駆動、自動化、クローズドループアプローチの側面を調査し、調査する。
  論文  参考訳（メタデータ） (2023-07-09T21:16:56Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。