Google研究团队介绍了一种新型研究代理框架 Test-Time Diffusion Deep Researcher (TTD-DR)。
该框架通过模拟人类研究的迭代过程（起草 → 查找资料 → 修订 → 完成），将“草稿”视为噪声，通过 检索增强的扩散过程 不断修正和提升报告质量，从而实现了最先进的研究与推理能力。
简单来说，TTD-DR 是一种会“写论文”的 AI 助手：
•它先写一份初稿。
•然后像研究人员一样，不断查资料、修订，把初稿一步步打磨得更完整。
•这个过程就像图片扩散模型从模糊到清晰一样，AI 把草稿“去噪”成高质量的最终研究报告。
两大创新：
•自进化：多个答案竞争，优胜者保留
•扩散去噪：草稿驱动搜索，逐步打磨
研究背景
•大语言模型 (LLMs) 已能执行复杂推理、写报告、生成创意，但 Deep Research (DR) 代理在复杂研究场景中仍有不足：多数系统是“工具堆砌”（检索 + 总结 + 写作），缺少统一框架。缺少人类研究最核心的 反复修订循环：提出假设 → 搜集资料 → 修订论点 → 再检索 → 完善成果。
•核心灵感：将研究过程类比为 扩散模型：它的特别之处在于：把 AI 写研究报告的过程，模拟成 人类科研写论文的习惯：先写一个粗糙的初稿再去查资料（补缺失的论据，修正错误）。一遍遍修改和完善（逐渐让报告更完整、更严谨）。他们借用了 扩散模型（Diffusion Model） 的概念：初稿 = 噪声（信息不完整、不准确）。检索与修订 = 去噪过程（不断引入新知识、修正推理）。最终成果 = 高质量研究报告。
框架设计
TTD-DR 的设计包含三部分：骨干研究流程、自进化算法 和 报告级去噪机制。
1 骨干研究流程（Backbone DR Design）
整个研究过程分为三个主要阶段：
1.研究计划生成输入用户问题，输出结构化研究计划。计划包含研究子问题、核心主题，作为后续检索和写作的指南。
▪2.迭代搜索
▪搜索问题生成：根据研究计划和已有信息，提出具体检索问题。答案检索：从外部知识库或网络检索相关文档，并将结果总结成简洁答案。
3.报告生成
将研究计划与所有检索问答对结合，整合成完整报告。
两大核心方法
方法一：组件级自进化（Self-Evolution）
•每次搜索或回答，AI 不只给一个答案，而是生成多个不同版本。
•然后用 AI 审稿人（LLM-judge） 来打分（比如哪个答案更有用、更完整）。
•低分的会被修改（根据反馈修订），高分的会被保留。
•最后把多个优质答案融合成更好的答案。
👉 类比：学生写论文，先写多个版本，交给老师/同学打分，再改进，最后融合出最优版本。
方法二：报告级去噪（Denoising with Retrieval）
•把当前草稿当作“带噪声的初稿”。
•用它来生成新的搜索问题 → 获取新资料 → 修订草稿。
•不断循环，直到草稿逐渐完善，最后生成终稿。
👉 类比：学生一边写论文一边发现哪里不完整，就去图书馆查资料，再回来修改。
实验结果
研究团队在三个主要基准上测试 TTD-DR：
1.DeepConsult任务：复杂查询 → 生成长篇研究报告。特点：需要大规模信息整合与逻辑连贯性。
2.Humanity’s Last Exam (HLE)任务：多跳推理（multi-hop reasoning），要求跨文档和跨主题检索。子集 HLE-Search：挑选 200 个需要更复杂检索与推理的问题。
3.GAIA任务：多跳推理问答，强调事实正确性与逻辑链条。
对比基线
•OpenAI Deep Research (DR)（强基线）
•其他 DR 系统（使用默认 LLM 作为代理）
•本文提出的 TTD-DR 版本：Backbone DR（基础三阶段流程）+ Self-Evolution（加入自进化优化）+ Diffusion with Retrieval（完整 TTD-DR 框架）
核心实验结果
1 长篇研究报告（DeepConsult）
•指标：Win Rate（人工或自动评价，系统结果 vs. OpenAI DR）
•结果：OpenAI DR 作为对比基线。TTD-DR 胜率 74.5%，显著超越 OpenAI DR。当只使用 Backbone DR 时，效果不如 OpenAI DR。加入 Self-Evolution 后，Win Rate 提升至 59.8%，首次超过 OpenAI DR。完整 TTD-DR 框架 进一步提升至 74.5%。
2 多跳推理（HLE & HLE-Search）
•指标：Correctness（预测答案与参考答案匹配率）
•结果：HLE-Search：Backbone DR < OpenAI DR。加入 Self-Evolution → 提升 +4.4%。加入 Diffusion with Retrieval → 进一步提升，最终比 OpenAI DR 高 7.7%。HLE 整体：正确率持续提升，但主要优势体现在复杂子集 HLE-Search。
3 GAIA 数据集
•指标：Correctness
•结果：Backbone DR < OpenAI DR。Self-Evolution → Correctness 提升 +1.2%。Diffusion with Retrieval → 进一步提升，总体比 OpenAI DR 高 1.7%。
消融实验（Ablation Study）
研究团队进行了逐步消融，观察各模块贡献：
1.Backbone DR三阶段流程，性能低于 OpenAI DR。说明单一框架不足以击败强基线。
2.+ Self-Evolution在 DeepConsult 上：Win Rate 提升到 59.8%，超过 OpenAI DR。在 HLE-Search / GAIA 上：Correctness 分别提升 4.4% 和 1.2%。
3.+ Diffusion with Retrieval (完整 TTD-DR)DeepConsult：Win Rate 最终提升到 74.5%。HLE-Search：Correctness +7.7%。GAIA：Correctness +1.7%。
结论：三个组件缺一不可，完整框架才能达到新 SOTA。
效率与扩展性
•Pareto Frontier 分析：指标：研究报告质量 vs. 推理延迟（秒）。结果：TTD-DR 在相同延迟下，质量显著高于 OpenAI DR。说明 TTD-DR 在效率—效果权衡上更优。
结论
•在 长篇报告生成 上，TTD-DR 的胜率达到 74.5%，显著优于 OpenAI DR。
•在 HLE-Search 和 GAIA 上，正确率分别提升 7.7% 和 1.7%。
•消融实验：单独使用骨干流程 → 表现不如 OpenAI DR；加入自进化算法 → 长篇任务表现超过 OpenAI DR；再加入报告级去噪 → 在所有基准上全面超越。
•效率分析：通过 Pareto Frontier 分析，TTD-DR 在相同时间延迟下能生成更高质量的结果，说明它比现有代理更高效。
如何体验 TTD-DR
TTD-DR 已经在 Google Cloud Agentspace 上产品化实现，并通过 Google Cloud Agent Development Kit (ADK) 提供。
1. 使用 Google Cloud Agentspace
•需要有 Google Cloud 账号。
•登录后可以进入 Agentspace（谷歌面向企业和研究的 AI 代理平台）。
•在 Agentspace 中可以找到 Deep Researcher / TTD-DR 的应用版本。
2. 通过 Agent Development Kit (ADK)
•谷歌提供了 开发套件 (ADK)，可以将 TTD-DR 集成到自己的应用或研究工作流中。
•适合有一定开发能力的用户，将 TTD-DR 嵌入到数据分析、研究助理或检索系统。
