0.002美元撬动顶级研究力，开源AI助手匹敌OpenAI商用系统|openai|商用系统|开源ai助手|知名企业|谷歌

近日，美国华盛顿大学博士生邵如琳和合作团队打造出一个名为 Deep Research Tulu（DR Tulu）的深度研究小助手。使用一次 OpenAI 的 Deep Research 服务可能需要大约 1.8 美元，而 DR Tulu 使用一次的成本却不到 0.002 美元，这几乎是千倍的效率提升，这意味着未来个人或者小团队也能负担得起高质量、高可信度的 AI 研究服务。

DR Tulu 是一个拥有超级大脑且会熟练使用搜索引擎的科研助手。当你问它一个问题时，它不会只是简单地给你一列网页链接，而是会像一位真正的研究员那样，先去思考如何解决你的问题，然后主动查找各种资料比如网页和论文，最终为你整理出一份条理清晰、有根有据、带着详细出处说明的长篇答案。

DR Tulu 的表现大幅超越了所有其他公开可用的、专为搜索设计的 AI 模型，包括一些体型比它大的模型，证明了“小模型+好方法”也能做出大成就。

它的表现匹敌甚至超越了 OpenAI、Google 等公司的顶级商用深度研究系统，比如 OpenAI 的 Deep Research、谷歌的 Gemini Pro + Search。要知道，这些系统背后的技术往往不公开，而且使用成本非常高昂。

同时，DR Tulu 会坦诚地承认自己的知识边界，并主动查找和核实信息，从而尽可能减少回答中的"幻觉"。DR Tulu 还会在回答中提供详细的文献依据，方便用户交叉验证。目前业界尚无成熟的训练方法和数据来实现这一目标。DR Tulu 的这些能力源于一项新型训练方法及其配套框架，使 AI 与评估器在训练过程中协同进化、相互提升。

为了让 DR Tulu 成为一个优秀的研究员，研究人员并没有简单地把它丢进一堆问题里去死记硬背，而是像训练一位聪明的学徒以分为两步走：

第一步是名师出高徒，研究人员请来几位非常厉害的 AI 老师比如 GPT-5。这些老师本身就擅长查找资料和回答问题。研究人员让 AI 老师们在回答成千上万个问题的过程中，把它们如何思考、如何搜索、如何组织答案的每一步都记录下来。这些记录下来的标准答案步骤，成为了 DR Tulu 学习的第一手教材。通过模仿这些步骤，DR Tulu 学会了当一名研究员的基本功。

第二步是在实战中进化，光会模仿还不够，为了让它变得更强大，研究人员发明了一个名为带有进化评分标准的强化学习的方法。

传统方法就像老师拿着一份固定的评分表，用它来给学生的作业打分。学生可能会为了得高分，投机取巧地满足这些死板的条目，而忽略了真正的理解和创造。

研究人员发现，AI 在回答复杂问题的时候，好坏标准很难用几张固定的评分表说清楚。于是，他们让评分标准也跟着 AI 的学习一起进化。

具体来说，在训练中 DR Tulu 会试着回答很多问题，并能得到多个版本的答案。然后，另一个 AI 也就是评分官会仔细对比这些答案，动态地发现新的优点和缺点，并把它们作为新的评分标准。

这样，评分标准就会越来越贴近 AI 当前的真实水平，能更好地鉴别出高质量的回答。同时，这些标准总是基于最新搜索到的真实知识，而不是 AI 自己想象出来的内容。这样一来，DR Tulu 就能在不断的挑战和反馈中持续进步，学会搜索以及通过综合信息来给出可靠的答案。