NVIDIA представляет UDR: фреймворк для масштабируемых и аудитируемых deep research-агентов
Почему существующие инструменты глубокого исследования ограничены
Такие Deep Research Tools (DRT), как Gemini Deep Research, Perplexity, OpenAI Deep Research и Grok DeepSearch, часто привязаны к фиксированным рабочим процессам и конкретной модели. Это ограничивает пользователей: невозможно настраивать источники и правила валидации, внедрять узкоспециализированные стратегии для финансов или медицины и гибко менять модель под конкретную логику исследования. В результате такие системы редко удовлетворяют потребности предприятий и научных групп, требующих аудита и воспроизводимости.
Что такое Universal Deep Research (UDR)?
Universal Deep Research (UDR) — открытый прототип от NVIDIA (preview), который отделяет стратегию исследования от LLM. UDR преобразует стратегии, описанные на естественном языке, в выполняемый код, запускает их в песочнице для безопасности и использует LLM как утилиту для локальных задач рассуждения: суммаризации, ранжирования, извлечения. Такая архитектура делает UDR лёгким, гибким и независимым от конкретной модели.
Подробности в оригинальной статье: arXiv:2509.00244.
Как UDR обрабатывает и выполняет стратегии
Система принимает два входа: стратегию исследования (пошаговый план) и research prompt (тему и требования к выходу). Стратегии компилируются в структурированный Python-код с обязательной организацией: промежуточные результаты сохраняются в переменных, чтобы избежать переполнения контекстного окна, все функции детерминированы и прозрачны.
При выполнении управляющая логика работает на CPU, а к LLM обращаются только для локальных задач рассуждения. Система отправляет уведомления через yield-операторы, предоставляя пользователю обновления в реальном времени, а итоговые отчёты формируются из сохранённых переменных, что обеспечивает трассируемость и воспроизводимость.
Примеры стратегий
NVIDIA поставляет три шаблона стратегий:
- Minimal: несколько целевых поисковых запросов, сбор результатов и краткий отчёт.
- Expansive: параллельное исследование нескольких направлений для широкой картины.
- Intensive: итеративное уточнение запросов с помощью развивающихся подконтекстов для глубокого анализа.
Эти шаблоны послужат отправной точкой, но пользователи могут создавать полностью кастомные рабочие процессы без дообучения моделей.
Выходные данные и аудит
UDR генерирует структурированные уведомления с типом, отметкой времени и описанием для прозрачности процесса, а также итоговый отчёт в Markdown с секциями, таблицами и ссылками. Такой подход обеспечивает и воспроизводимость, и возможность аудита — чего часто не хватает агентам с закрытой логикой.
Области применения
UDR пригоден для:
- Научных исследований: структурированные обзоры литературы.
- Корпоративной проверки: валидация данных и отчётов.
- Бизнес-аналитики: повторяемые конвейеры анализа рынка.
- Стартапов: кастомные ассистенты без затрат на дообучение модели.
Отделив выбор модели от логики исследования, UDR открывает пространство для инноваций в обеих областях.