초록

우리는 장기적인 시점에서 깊이 있는 정보 탐색 작업에 특화된 에이전트형 대규모 언어 모델인 '통의 딥리서치(Tongyi DeepResearch)'를 소개합니다. 자율적인 심층 연구 에이전트를 유도하기 위해, 통의 딥리서치는 에이전트 기반 중간 학습(agentic mid-training)과 에이전트 기반 후속 학습(agentic post-training)을 통합한 엔드투엔드 학습 프레임워크를 통해 개발되었으며, 복잡한 작업들에 걸쳐 확장 가능한 추론 및 정보 탐색 능력을 제공합니다. 우리는 고도로 확장 가능한 데이터 합성 파이프라인을 설계하여, 비용이 큰 인간 주석(annotation)에 의존하지 않고 모든 학습 단계를 지원합니다. 각 단계에 맞춰 맞춤형 환경을 구축함으로써, 시스템은 안정적이고 일관된 상호작용을 가능하게 합니다. 총 파라미터 수가 305억 개이며, 토큰당 활성화되는 파라미터는 33억 개에 불과한 통의 딥리서치는 '휴먼리티스 라스트 엑스엠(Humanity's Last Exam)', '브라우즈컴프(BrowseComp)', '브라우즈컴프-ZH(BrowseComp-ZH)', '웹워커QA(WebWalkerQA)', 'xbench-DeepSearch', 'FRAMES', 'xbench-DeepSearch-2510' 등 다양한 에이전트 기반 심층 연구 벤치마크에서 최고 수준의 성능을 달성했습니다. 본 모델, 프레임워크 및 완전한 솔루션을 오픈소스로 공개하여 연구 공동체의 발전을 지원합니다.