Google Research 发布 Deep Review 智能体文档审阅系统

生成式 AI 已经加速了许多技术领域。如今，AI 在撰写科学论文和技术文档、运行代码、设计实验以及起草提案中发挥作用已属常见。然而，内容创建的加速带来了一个审阅难题：在 AI 生成内容快速增长的同时，人类的验证能力却基本保持不变。审阅像长篇科学手稿或复杂法律协议这样的复杂文档，需要专业知识和深入的专业学科知识。这种失衡造成了一个验证瓶颈：信息生成的速度超过了严格审查的速度。

今天，我们很高兴地宣布 Deep Review 正式公开发布，这是一个智能体 AI 系统，旨在为复杂文档提供严谨的反馈和技术验证。该系统最初为计算机科学学术论文分析而设计，其能力现已扩展到审阅许多领域的文档，例如法律和金融。它既可以在起草过程中用作迭代改进工具，也可以在审阅过程中用于科学过程的验证、声明和评估。

Deep Review 是我们的 Paper Assistant Tool（PAT）的演进成果——PAT 是一项实验性计划，旨在帮助研究人员在会议投稿前对手稿进行压力测试。过去一年，我们与四个旗舰计算机科学会议（STOC 2026、ICML 2026、NeurIPS 2026、和 ICLR 2027）合作，为超过 16,000 份选择加入的手稿作者提供了私密的投稿前反馈。有关 PAT 和这些试点的更多详情，请参阅我们的手稿 Towards Automating Scientific Review with Google’s Paper Assistant Tool。

随着本次发布，Deep Review 现已在全球范围内开放使用：

• 分级访问与可扩展的 API：每位用户每天可免费获得两次文档审阅。工作流量较大的用户可以连接自己的 Gemini API key，以获得更高的使用限额，并通过 Deep Review API 进行程序化集成。
• 格式灵活性：Deep Review 初期将支持 PDF 和纯文本作为输入格式，即将支持多文件输入。
• 隐私与数据政策：上传到 Deep Review 的文档绝不会被用于训练、微调或改进 Google 模型。上传的文档将存储一年，唯一目的是在 Deep Review 界面中向用户展示。

Deep Review 加速技术验证

验证瓶颈最显著的例子之一是学术同行评审。这可以从学术发表场所——尤其是 AI 研究本身的会议——投稿量的上升中看出，这些会议的投稿量出现了大幅增长。今年，三大 AI 会议（ICLR、NeurIPS 和 ICML）收到了超过 74,000 份投稿，而 2025 年约为45,000 份、2024 年为 32,000 份、2023 年为 23,000 份。每份投稿都需要多篇高质量的评审来确保同行评审过程的完整性，这给人类专家带来了更大的负担。

Deep Review 旨在帮助减轻技术领域中人类审稿人日益沉重的负担。通过提供详细、客观的文档评估，Deep Review 检查逻辑一致性和数学论述，提出改进建议，核实事实依据，并与现有工作进行对比。它解决了审稿中最耗费认知的某些环节，同时将更高层次的判断留给人类。

在科学评审领域经过验证的良好记录

Deep Review 已以其实验名称 Paper Assistant Tool（PAT）得到了广泛测试和部署，与旗舰计算机科学会议 STOC 2026、ICML 2026、NeurIPS 2026 和 ICLR 2027 开展了四项试点合作。在这些试点期间，作者可以选择在投稿截止前的几周内通过 PAT 获得其论文的反馈和分析。其目标是为作者提供可操作的反馈，帮助提升投稿论文的质量。这些反馈与官方会议评审流程完全脱钩。PAT 未收集任何数据用于训练，并且论文在每项计划结束后都会及时从 Google 系统中删除。

作者对该工具的反应极为积极，这也反映出底层模型和 PAT 框架的持续改进。随着 Deep Review 中加入对 Gemini 4 Argon 的支持，该工具的底层能力已进一步超越下文所述的 PAT 早期版本。

Deep Review 的工作原理

单提示词 LLM 调用在评估冗长、复杂的文档时常常失败，原因包括耗尽其 token 推理预算、忽视长上下文中的跨章节依赖关系，或在没有充分审查的情况下接受细微的论断。Deep Review 通过一个四阶段的智能体流水线来解决这些挑战：

1. 文档分段：文档首先由一个分段智能体摄取并自主分解为逻辑片段（如引言、实验、方法等）。这些片段可以重叠，且必须覆盖输入文档的全部内容。
2. 自适应预算分配：并非所有章节都需要同等的认知深度。流水线检查信息密度，并动态分配计算预算，同时为每个章节配备专门化的推理扩展流水线。例如，学术论文中包含密集数学证明的章节可能会获得比引言或相关工作章节更多的算力。
3. 深度并行验证：专门化的推理智能体并行审查每个片段。每个智能体都可以访问完整的文档上下文以追踪交叉引用，但其推理能力专门集中于审查其特定目标章节的任务。这既确保了审查任务对每个审查群体而言都是可管理的，也确保了并行群体得到妥善协调。
4. 全局综合与智能体化事实核验：一个专门的综合智能体汇总各片段级别的报告，并在章节之间进行最终的一致性检查，必要时重新运行逻辑检查。该智能体还执行外部事实核验检查和工具调用，作为防止幻觉的最后一道预防措施。

通用验证与评审：超越研究论文

虽然 Deep Review 起源于学术论文评审，但长上下文评审具有普遍适用性：用于检查研究论文中数学证明是否成立推理机制，也可以帮助发现其他类型文档中的逻辑漏洞和不一致之处——只要其中的论断必须以证据为支撑。因此，Deep Review 可以用于为更广泛的日常工作流程带来结构化的批判性审查。

用户现在可以在许多领域应用 Deep Review 来分析复杂文档。例如，它可以运行于：

• 设计文档：捕捉未言明的架构假设、发现边缘情况，并提出具体的改进建议。
• 演示文稿：确保幻灯片之间的过渡合乎逻辑，且要点总结与可视化图表相符。
• 法律和财务文档：检查各条款与数据表之间的内部一致性，标记含糊的术语或潜在的后续影响，并用支持性证据来验证论断。

Deep Review 与 Antigravity 相遇

我们同时推出 Teamwork Deep Document Review Pattern（团队深度文档评审模式），这是一种受 Deep Review 启发的文档评审实现模式，基于 Teamwork 多智能体编排框架内置于 Antigravity 中。该模式旨在系统地评估研究论文、稿件草稿和技术提案，采用带自我修正和分段评分标准的智能体层级结构。Antigravity 用户可以使用 /teamwork-preview 命令调用此模式。

让全面、高质量的技术评审惠及大众

在计算机科学领域，投稿前的全面评审通常依赖于庞大的评审网络——例如资深教职人员、资源充足的学术实验室，或广泛的同行咨询网络。提供可靠、自动化的逻辑验证可以帮助众多学者对其论断进行压力测试，发现可避免的缺陷，在经过验证的基础上完善和加强其文档，并在评审过程中更有信心地展示自己的工作。

开始使用

我们邀请世界各地的研究人员、工程师和创作者探索 Deep Review：

• 试用 Deep Review：访问 Google Research Portal 评审您的第一批文档。
• 集成到 API：使用您的 Gemini API key 在持续集成和草稿撰写工作流中访问程序化验证。
• 阅读研究论文：阅读 预印本，深入了解底层方法论和试点评估。

结语与展望

鉴于 Deep Review 在与学术会议合作的试点项目中展现出的效用，我们相信，在未来几年，像 Deep Review 这样的工具将在整个同行评审流程中发挥重要作用，为作者和审稿人双方赋能。

接下来，我们将继续扩展该平台的能力。随着 Gemini 4 Argon 支持的推出，Deep Review 的底层能力将进一步提升，为作者提供更高质量的反馈和分析。此外，随着多文件支持即将上线，用户还将能够同时对整套相关文档、电子表格和附件运行同样的一致性检查。我们希望这些进步能让高质量的技术评审更广泛地惠及各地的知识工作者。

致谢

Deep Review 是 Google Research、Google DeepMind 和 Google Cloud 的合作成果。我们感谢核心贡献者和研究合作者——Santiago Balseiro、Taylan Cemgil、Tommaso D'Orsi、Kirk Draheim、Lindi Emoungu、Ayse Erduran、Palash Goyal、Caroline Hartnell、Shobana Kannan、Amy Keeling、Siyi Kou、Bridget Lee、Ian Li、Anoushka Mazumdar、Taylor Montgomery、Mouad Naciri、Uche Okonkwo、Mihir Parmar、Anthony Phalen、Rory Pilgrim、Sarah Presotto Post、Rob Tierney、Drew Tyler、Vishnu V.、Vahab Mirrokni、Laura Vardoulakis、Johannes Welbl、David Woodruff、Yunhan Xu、Jinsung Yoon——同时也感谢我们的执行发起人 Katherine Chou、Corinna Cortes、Burak Gokturk、Vahab Mirrokni、Tomas Pfister、Yossi Matias，以及 STOC、ICML、NeurIPS 和 ICLR 的程序委员会主席们的支持。