无烟工厂

昨天晚上突然被 manus 霸屏，这些自媒体博主像什么呢？曾经红极一时的小报狗仔队，听风即是雨🌧️，这事儿不像开怡红院，说🔥就🔥起来了[微笑]
推理型代理，最重要还是模型能力，即搜索能力到几层，然后后训练能力，靠什么？大底座呀！据说 manus 的底座是 Claude sonnet3.7,先拆解任务，然后搜索后再往任务栏填素材。你知道 open AI 的 deep research 怎么做的？不聊了，听豆包的[偷笑] #听听豆包怎么说？ “这张图是一个关于深度研究能力的象限图，标题为“Deep (Re)search Capabilities by Quadrants”，从“deep / shallow（深度 / 浅度）”和“handcrafted / trained（手工制作 / 训练）”两个维度对不同的研究系统或模型进行分类。维度解释 - deep / shallow：表示每个系统为获取新信息进行迭代搜索的程度，“deep”意味着更深度的迭代搜索，“shallow”则表示较浅层次的迭代搜索。 - handcrafted / trained：说明系统或模型是通过手工精心制作调整的，还是通过数据训练而成的。各象限内容 - Deep - Hand Crafted象限：包含“Perplexity Deep Research”和“open deep research(s)”。这些可能是通过手工精心构建，并且具备深度迭代搜索能力的研究项目或系统。 - Deep - Trained象限：有“OpenAI Deep Research”“Grok Deep Search”“Gemini Deep Research”以及“Stanford STORM”。它们是经过训练，且能进行深度迭代搜索的项目，涉及到知名的研究机构和科技公司，体现了在深度研究领域的技术应用。 - Shallow - Hand Crafted象限：仅有“gpt - researcher”，表明它是一个手工制作的，在获取新信息方面进行浅层次迭代搜索的工具或模型。 - Shallow - Trained象限：包括“ChatGPT Search”“DeepSeek Search”“Qwen Search”，这些是经过训练，但搜索深度较浅的搜索系统或模型。整体解读这张图展示了不同研究能力的系统或模型在两个关键维度上的分布情况，反映了当前在信息搜索和研究领域的多样性。通过这样的分类，可以清晰地看到不同方法（手工制作和训练）与不同搜索深度（深度和浅度）组合下产生的各种研究工具或模型，有助于研究人员和从业者了解各个系统的特点，选择适合自己研究需求的工具，也为相关领域的进一步发展和创新提供了参考框架。”