⚛️量子位•較早收集於 46m
DeepSeek 開發者打造自動化研究 Agent
💡了解 DeepSeek 的新 Agent 如何將學術論文撰寫時間縮短至僅需 2 小時的人類腦力投入。
⚡ 30-Second TL;DR
有什麼變化
自動化研究 Agent 處理了 99% 的論文撰寫工作量
為什麼重要
這項發展標誌著學術研究正轉向 AI 驅動，可能加速科學發現的步伐。它透過自動化繁瑣的文獻綜述與草稿撰寫，挑戰了傳統的研究方法論。
下一步行動
探索適用於您自身文件或研究任務的 Agent 工作流，找出哪些重複性的寫作階段可以交由 LLM 處理。
誰應關注：Researchers & Academics
關鍵要點
- •自動化研究 Agent 處理了 99% 的論文撰寫工作量
- •將人類的腦力投入降低至每篇論文僅需 2 小時
- •展示了學術研究工作流程中顯著的效率提升
🧠 深度解析
Web-grounded analysis with 16 cited sources.
🔑 增強重點摘要
- •該自動化研究Agent在論文撰寫過程中，利用DeepSeek-V4-Pro模型進行研究與寫作，並整合GPT-Image2進行圖像生成。
- •此Agent在6天內完成了6次論文迭代，涉及約108輪Agent調用，消耗了64.8萬token，並生成了2234行LaTeX程式碼，其中包含103個已驗證的參考文獻。
- •DeepSeek研究員陳德里為AI Agent提出了L1-L5的自主度分級體系，類似於自動駕駛的SAE級別，旨在為混亂的AI Agent領域建立清晰的譜系，目前行業前沿初步達到L4級別。
- •該Agent產出了一篇46頁的論文，包含7個圖表和4個表格，深入分析了四種主流Agent架構模式，並基於六維特徵矩陣評估了17個主流系統。
- •陳德里指出，實現L5級別（完全自主研究議程）AI Agent的真正瓶頸不在於模型能力，而是「持續知識積累」和「可靠自我評估」。
📊 競品分析▸ Show
| Feature / Product | DeepSeek 自動化研究 Agent (DeliAutoResearch) | Claude Code (Anthropic) | OpenAI Codex | Wordvice AI | Typeset.io | Felo AI |
|---|---|---|---|---|---|---|
| 主要功能 | 自動化論文撰寫 (99%工作量), 2小時人類投入, 產生LaTeX代碼, 驗證參考文獻, 提出L1-L5自主分級體系 | 專注於程式碼開發, 項目級開發工具, 終端/IDE/桌面/Slack整合, 請求授權後修改文件/運行命令 | AI程式碼夥伴, 桌面應用程式, 從命令行轉向多任務桌面環境 | 全方位學術寫作助手, 文法檢查, 改寫潤稿, 摘要, 翻譯, 抄襲檢查, 引用格式化 | 綜合學術寫作與投稿平台, 論文模板, 自動格式化, 引用管理, 協同寫作, AI抄襲檢查 | 多語言學術搜尋引擎, 跨語言檢索, 自然語言查詢, 來源透明, 文件翻譯/摘要, 檔案上傳分析 |
| 底層模型 | DeepSeek-V4-Pro (研究與寫作), GPT-Image2 (繪圖) | Claude 模型 (如 Mythos Preview) | GPT 模型 (如 GPT-4o) | 基於最新AI技術 | AI寫作助手 | 生成式AI與自然語言處理 |
| 效率提升 | 99%論文撰寫工作量自動化, 人類腦力投入降至2小時 | 加速工程作業, Stripe 1370名工程師4天完成數週工作 | 加速開發流程, 周活用戶15天內從300萬增至400萬 | 提升英文文本清晰度與流暢度 | 快速有效遵守期刊指南 | 優化資訊檢索體驗, 提高速度與理解 |
| 成本/價格 | DeepSeek-V4-Pro API價格低於GPT-4o約1/18 | 年化收入超25億美元 (Claude Code) | Freeプラン可試用, Proプラン月額20$ (Codex) | 免費試用/訂閱進階版 | 未明確提及 | 未明確提及 |
| 基準測試 | DeepSeek-V4-Pro在SWE-bench Verified上達80.6% (接近Claude Opus 4.6), Vibe Code Bench開源模型第一 (49.9%) | SWE-Bench最佳成績從2023年底Claude 2的約2%上升至Claude Mythos Preview的93.9% | 未明確提及Codex具體基準, 但ChatGPT在編程方面表現良好 | 未明確提及 | 未明確提及 | 未明確提及 |
🛠️ 技術深入
- 該自動化研究Agent利用DeepSeek-V4-Pro模型進行研究與寫作，並整合GPT-Image2進行圖像生成。
- DeepSeek的核心模型（如V3、V3.2、V4）普遍採用混合專家（Mixture-of-Experts, MoE）架構，例如DeepSeek-V3總參數達6710億，但每次運行僅激活約370億參數，以實現高效能與低成本的平衡。
- DeepSeek-V3.2引入了DeepSeek Sparse Attention (DSA) 機制，顯著提升了長文本處理效率，同時降低了推理時的計算複雜度。
- DeepSeek-V3.2還結合了可擴展的強化學習框架和大規模Agent任務合成管道，以增強其推論能力和工具使用場景下的泛化性。
- DeepSeek-V4-Pro模型具備1M（百萬）token的上下文長度，並針對Agent任務和程式碼編寫進行了優化。
- 該Agent在撰寫論文的過程中，經歷了6次迭代，進行了約108輪Agent調用，消耗了64.8萬token，並生成了2234行LaTeX程式碼。
- 陳德里提出的L1-L5自主度分級體系，旨在為AI Agent領域提供統一的框架，從L1（基礎自動補全）到L5（完全自主研究議程），目前行業前沿初步達到L4級別。
🔮 前景展望AI analysis grounded in cited sources
AI Agent將顯著加速學術研究與出版週期。
DeepSeek的Agent將論文撰寫的人類腦力投入降低至2小時，且陳德里觀察到程式碼Agent已導致計算機科學論文數量瘋狂膨脹，預示著研究產出效率將大幅提升。
AI Agent的發展將促使學術界制定新的倫理準則和評估框架。
AI生成內容的普及引發了學術誠信、數據準確性等擔憂，期刊已開始要求明確披露AI使用情況，並對低品質的AI生成內容進行整頓。
AI Agent將朝向更高層次的自主性發展，最終能夠自主定義研究議程。
陳德里提出的L1-L5自主度分級體系，明確描繪了從基礎輔助到完全自主研究的發展路徑，目前行業已初步達到L4級別，顯示了明確的發展趨勢。
⏳ 時間線
2023-07-17
DeepSeek（杭州深度求索人工智能基礎技術研究有限公司）成立。
2025-01
DeepSeek AI推出基於DeepSeek-R1模型的產品。
2025-01-27
DeepSeek智能助手在美區蘋果App Store下載榜上超越ChatGPT。
2025-11-11
DeepSeek資深研究員陳德里預警AI可能在10-20年內取代絕大部分人類工作。
2026-02
OpenAI和Anthropic指控DeepSeek等中國AI公司對其模型發起「蒸餾攻擊」。
2026-04-29
DeepSeek發布V4系列模型，其中V4-Pro具備1M上下文和優異的Agent/程式碼性能。
2026-05-27
DeepSeek工程師陳德里開發出自動化研究技能（DeliAutoResearch），可處理99%的論文撰寫工作量。
📎 來源 (16)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： 量子位 ↗