심층 연구의 심층 연구: 트랜스포머에서 에이전트까지, AI에서 과학을 위한 AI까지

Deep Research of Deep Research: From Transformer to Agent, From AI to AI for Science

대규모 언어 모델(LLM)의 지식 기반 및 추론 능력 발전과 함께, 그들의 상호 작용 방식은 순수한 텍스트에서 멀티모달 방식으로 진화했으며, 더 나아가 에이전트 기반 도구 활용으로 확장되었습니다. 그 결과, LLM의 활용 분야는 질문 답변에서 AI 어시스턴트에 이르기까지 확대되었으며, 현재는 범용 에이전트로 발전하고 있습니다. 심층 연구(DR)는 범용 에이전트의 대표적인 응용 분야이며, 지능적인 정보 처리 및 인간의 문제 해결을 지원하는 이상적인 접근 방식으로, 최고 수준의 인간 과학자를 능가하는 목표를 가지고 있습니다. 본 논문은 심층 연구에 대한 심층적인 연구를 제공합니다. 우리는 심층 연구에 대한 명확하고 정확한 정의를 제시하고, 산업계의 심층 연구와 학계의 과학을 위한 AI(AI4S)의 관점을 통합적인 개발 프레임워크 내에서 조화시킵니다. 우리는 LLM과 스테이블 디퓨전을 생성형 AI의 핵심 축으로 제시하고, 트랜스포머에서 에이전트로 진화하는 로드맵을 제시합니다. 또한, 다양한 분야에서의 AI4S의 발전을 검토하고, 인간-AI 상호 작용의 주된 패러다임과 기존 시스템 아키텍처를 분석하며, 남아있는 주요 과제와 근본적인 연구 문제를 논의합니다. AI는 과학적 혁신을 지원하며, 과학 또한 AI의 발전에 기여할 수 있습니다(과학을 위한 AI, S4AI). 본 논문이 AI 및 AI4S 커뮤니티 간의 간극을 줄이는 데 도움이 되기를 바랍니다.

With the advancement of large language models (LLMs) in their knowledge base and reasoning capabilities, their interactive modalities have evolved from pure text to multimodality and further to agentic tool use. Consequently, their applications have broadened from question answering to AI assistants and now to general-purpose agents. Deep research (DR) represents a prototypical vertical application for general-purpose agents, which represents an ideal approach for intelligent information processing and assisting humans in discovering and solving problems, with the goal of reaching or even surpassing the level of top human scientists. This paper provides a deep research of deep research. We articulate a clear and precise definition of deep research and unify perspectives from industry's deep research and academia's AI for Science (AI4S) within a developmental framework. We position LLMs and Stable Diffusion as the twin pillars of generative AI, and lay out a roadmap evolving from the Transformer to agents. We examine the progress of AI4S across various disciplines. We identify the predominant paradigms of human-AI interaction and prevailing system architectures, and discuss the major challenges and fundamental research issues that remain. AI supports scientific innovation, and science also can contribute to AI growth (Science for AI, S4AI). We hope this paper can help bridge the gap between the AI and AI4S communities.