繼谷歌、OpenAI和Perplexity相繼發布各自的Deep Research后，牛津大學發布了一個 “Agentic Reasoning: Reasoning LLMs with Tools for the Deep Research”的工作，并且代碼開源了，今天咱們來詳細看看他們的 deepresearch 的玩法！

這個框架，不僅在PhD級別的科學推理測試(GPQA)上超越了現有的RAG系統和閉源大模型， 而且在金融、醫療和法律等領域的深度研究任務中，擊敗了谷歌的Gemini Deep Research!

為什么能做到這一點?

普通的推理模型只能依賴自身知識，或者聯網的上下文知識，進行長時間思考推理，最后做出回應。而推理模型的思考過程，如果能調用工具來輔助推理，那必須是事半功倍。

Agentic Reasoning來了，它模仿了人解決復雜問題的方式。 通過互聯網收集信息、用計算工具進行定量分析、在白板上組織思路。

所以他們定制了3個核心智能體：

• Web搜索智能體：負責從互聯網獲取信息
• 代碼智能體：使用Python進行計算分析
• "思維導圖"記憶智能體：構建基于推理上下文的知識圖譜 （trick，后面細說）

對復雜問題的工具調用推理過程，本身可以很好的跟推理大模型的思考過程融合到一起！

推理大模型進行正常的推理，根據任務需求自行實時決定是否需要其他信息。（生成相應的token即可，工具調用完成，可以把結果整合回推理鏈中）。

經過過長的思維鏈+外部知識（web，code），思維鏈可能會變得很混亂，所以這個框架引入了一個MindMap智能體。這個智能體可以將原始的推理鏈轉換為一個結構化的知識圖譜（這個工作直接把graphrag搬過來了，實體抽取->構建社區->抽象社區摘要）。

一些發現！

分工的重要性

讓不同的LLM專注于各自擅長的任務(如DeepSeek-R1負責推理,Claude-Sonnet負責編程),能顯著提升整體表現。

少即是多

僅使用少量智能體工具反而能獲得最佳效果。增加更多工具反而會增加選擇錯誤的風險。

工具使用與準確性

對單個問題而言，使用更多工具通常能帶來更好的推理結果。但是如果跨問題都需要頻繁調用工具,可能意味著初始推理軌跡存在缺陷。

項目開源地址：https://github.com/theworldofagents/Agentic-Reasoning

框架的表現，在幾個領域大幅超越 Google DeepResearch效果。甚至超越了各個領域的人類專家。在一些需要20分鐘以上的深度研究問題上，也表現優異。

本文轉載自 ??探索AGI??，作者： 獼猴桃