讓智能體組團搞深度研究，效果爆表！

華為最新發布DeepDiver-V2原生多智能體系統。

采用了“團隊作戰”模式：一個Planner負責任務分解，任務分發，進度審視和成果驗收，多個專業Executor并行處理子任務，通過共享文件系統高效交換信息。

與僅通過推理框架實現的多智能體系統不同，DeepDiver-V2以多智能體形態進行訓練，模型天然具備更強的角色扮演和協同推理能力。這套系統不僅在復雜知識問答任務上取得突破，更是能夠生成數萬字的高質量深度研究報告，在多個榜單中表現亮眼。

它基于華為openPangu Agent推出的DeepDiver-V2，這是一個專攻AI深度搜索和長文調研報告生成的模型。目前已開源。

• 開源模型地址：https://ai.gitcode.com/ascend-tribe/openPangu-Embedded-7B-DeepDiver
• 技術報告地址：https://ai.gitcode.com/ascend-tribe/openPangu-Embedded-7B-DeepDiver/blob/main/docs/openpangu-deepdiver-v2-tech-report.pdf

性能爆表：優于同規格競品

數字最有說服力。DeepDiver-V2-7B和DeepDiver-V2-38B和在多個權威基準測試中表現亮眼：

• BrowseComp-zh：DeepDiver-V2-38B達到34.6分，超越WebSailor-72B（30.1分）和WebSailor-32B（25.5分）；DeepDiver-V2-7B同樣超過了WebSailor和MiroThinker同規格模型。
• BrowseComp-en：DeepDiver-V2-38B達到13.4分，同規模開源模型中最高, 也超過了WebSailor-72B。

在長文報告生成方面，DeepDiver-V2提出了一個全新的面向深度調研報告生成的基準測試WebPuzzle-Writing，該基準給每個調研query設置了詳細的調研范圍而非開放生成，可以更加方便多個模型之間的橫評。

在該測試中，DeepDiver-V2生成的報告平均長度達24.6K tokens，是OpenAI o3 DeepResearch（10.6K）的兩倍多。自動評測結果也顯示DeepDiverV2效果與主流agent產品相當, 在信息度上格外亮眼，Content Diversity指標優于其他模型。

架構創新：從單兵作戰到團隊協作

團隊之前的研究成果DeepDiver-V1就像一個全能選手，需要在一個超長的上下文窗口中處理所有任務，結果往往因為負擔過重而表現不佳。DeepDiver-V2改變了這一模式。它采用以Planner（規劃器）為中心, 協調多個Executor（執行器）的MAS（Multi-Agent System，多智能體系統）架構。

智能任務分解

Planner接到復雜查詢后，會進行自適應復雜度評估。簡單問題直接處理，復雜問題則構建一個”任務樹”，將大任務層層分解為可并行/串行/嵌套執行的子任務。

Planner甚至會采用”競爭賽馬”機制——讓多個 Executor同時處理相似任務，通過交叉驗證提高結果可靠性。

文件系統通信

不同于DeepDiver-V1使用單個上下文窗口處理多個任務，智能體之間各自執行任務, 并通過共享文件系統交換信息：

交換的信息 = {當前任務摘要, 任務執行過程產生的中間物料的元數據}

每個智能體只需傳遞精煉的任務摘要和文件元數據，而非完整上下文。詳細內容存儲在共享文件中，其他智能體按需讀取。這種設計帶來三大優勢：

1、可擴展通信：消息大小保持可控，不受任務復雜度影響。2、持久化狀態：歷史信息得以完整保存，LLM Agents無需維護完整對話歷史。3、并行執行：獨立子任務可同時處理，避免上下文沖突。

專業化分工

系統包含兩類核心Executor：

1、Information Seeker（信息搜集助手）：負責證據收集, 驗證, 去噪等。Information Seeker可以網羅相關信息, 篩選特定信息源, 深度分析并提取關鍵事實和數據, 迭代式的完善收集到的信息以解決Planner分發的任務。

2、Writer（寫作助手）：負責長文本生成, writer可以構建章節大綱, 并分配資料到各個章節. Writer使用逐章節寫作的方式, 并能夠迭代式的完善行文, 能夠保持全局的連貫性。

MAS（多智能體系統）訓練

訓練多智能體系統面臨獨特挑戰：當最終任務失敗時，如何判斷是哪個智能體的責任？當最終任務成功時, 如何判斷是哪個智能體做出了貢獻? DeepDiver-V2提出了Planner-centric（以規劃器為中心的）的分配機制。

訓練流程采用多階段優化：

1、冷啟動監督微調首先讓模型學會基本的多角色協作、工具調用和文件系統操作，奠定多智能體能力基礎。

2、拒絕采樣微調（RFT）

• Trajectory-wise（按軌跡粒度的）過濾：從planner的視角出發, 保留得出正確答案的執行路徑。
• Step-wise（按步驟粒度的）評分：使用LLM評判每個planner中間步驟的質量（1-10分）。
• Credit Broadcasting（信用傳播）：planner的評分通過任務分配和協調關系傳播到executor軌跡上，這種從粗到細的過濾確保只有高質量的推理步驟用于訓練。

3、在線RFT

在離線RFT的基礎上, DeepDiver使用相同的credit assignment策略,進一步進行在線RFT訓練, 結合partial rollout（部分軌跡采樣） 和dynamic rollout-buffered batching（動態軌跡緩存批處理）策略, DeepDiver-V2的在線訓練得以高效且穩定的進行。

訓練數據上, DeepDiver-V2繼續沿用了DeepDiver-V1的訓練數據WebPuzzle, 然而在WebPuzzle的基礎上, DeepDiver-V2進一步增加了更多有挑戰性, 驗證性更強的數據, 同時加入了原本WebPuzzle沒有的長文寫作數據. 經過了這些數據的訓練, DeepDiver-V2表現出了更強大的性能。

技術支撐：純血昇騰NPU集群加速

DeepDiver-V2的訓練完全使用Atlas 800I A2集群進行, 依托于1000+ NPU組成的大規模計算集群。每個節點包含8個 NPU，這些NPU通過華為高速緩存一致性系統（HCCS）以全互聯拓撲相連，每個NPU配備64GB內存。用于跨節點通信時，集群采用基于以太網的RDMA，通過200 Gbps鏈路為跨節點的NPU提供高帶寬連接。團隊開發了專門的強化學習框架，包括：

• Agent Factory：算法優先的代碼庫，簡化多智能體開發。
• StaleSync：staleness-aware的梯度的同步調度機制，提升30%設備利用率。
• 分布式訓練：支持在線和離線的SFT、RFT和RL訓練。

實驗分析

研究團隊進行了系統性的消融實驗和深度分析，揭示了多智能體協作背后的幾個關鍵機制和意外發現。

Executor能力是性能瓶頸，Planner”夠用就好”團隊通過”角色互換”實驗發現了一個有趣現象：系統性能對Executor能力極其敏感，但對Planner要求相對寬松。

具體數據顯示：

• 將7B Executor升級為38B，BrowseComp-zh分數猛增9分（18.3→27.3）。
• 將7B Planner升級為38B，僅提升6.3分（18.3→24.6）。
• 在長文本寫作任務中，升級Writer涉及的模塊帶來的提升（5.51→5.80）遠超升級Planner（5.51→5.56）

這個發現顛覆了以往的認知——一般大家會以為”大腦”（Planner）最重要，但實際上”手腳”（Executor）的能力才是關鍵。研究團隊分析，這是因為Planner的任務相對標準化（分解問題、分配任務），而 Executor需要處理各種復雜的實際場景。一個中等能力的7B Planner已經能勝任大部分協調工作。

單體能力的意外涌現：團隊訓練造就全能選手

最令人驚訝的發現是：為團隊協作訓練的, 服務于Planner的子智能體，單獨使用時竟然也是高手。

當研究團隊將Information Seeker從系統中剝離出來單獨測試時：

• 38B Information Seeker在BrowseComp-zh上得分26.3，Single Agent（ReACT）模式同樣超越了WebSailor-32B（25.5分）。
• 7B Information Seeker得分15.9，超過完整的WebSailor-7B系統（14.2分）。
• 在相對簡單的Xbench-DeepSearch上，38B Information Seeker單槍匹馬就達到52.0分，幾乎等同于完整系統（53.0分）。

這種現象說明，多智能體訓練不僅提升了協作能力，還讓每個子智能體在處理擴展任務集時變得更加魯棒。就像優秀的團隊成員，既能配合默契，又能獨當一面。

展望：AI搜索的新范式

DeepDiver-V2相對DeepDiver-V1, 從單一模型的”獨角戲”到多智能體的”交響樂”，這種轉變為解決更復雜的現實問題開辟了道路。未來, DeepDiver將在企業調研、科學文獻綜述、專業數據分析等專業領域發揮巨大作用。