A Google nyilvánosan elérhetővé tette a Deep Reviewt, egy többügynökös, agentikus mesterséges intelligencia rendszert, amelyet hosszú és összetett dokumentumok technikai ellenőrzésére és részletes szakmai visszajelzés adására fejlesztettek. A rendszer kezdetben a számítástechnikai tudományos cikkek elemzésére készült, de képességei már kiterjednek jogi, pénzügyi és egyéb szakmai anyagokra is. Deep Review mind a szerkesztés közbeni iteratív javításra, mind a hivatalos lektorálási folyamat elősegítésére használható.
Miért fontos ez
A generatív AI felgyorsította a technikai tartalom előállítását — cikkek, kód, kísérlettervek és javaslatok készülnek gyorsabban, mint korábban. Ugyanakkor a humán ellenőrző kapacitás lényegében változatlan maradt, ami validációs szűk keresztmetszetet eredményez: több információ készül el annál, mint amit szakértők időben alaposan le tudnak ellenőrizni. Különösen az akadémiai lektorálásban jelent problémát a benyújtások erőteljes növekedése: az idei évben az ICLR, NeurIPS és ICML konferenciákra együttesen több mint 74 000 beküldés érkezett, szemben a 2025-ös ~45 000-rel, a 2024-es 32 000-rel és a 2023-as 23 000-rel. Minden beküldés több részletes leírást és ellenőrzést igényel, ami nagy terhet ró a humán recenzensekre.
A Paper Assistant Tool (PAT) utóélete és pilotok
A Deep Review a Google korábbi kísérleti projektje, a Paper Assistant Tool (PAT) továbbfejlesztett változata. Az elmúlt évben a Google együttműködött négy zászlóshajó számítástechnikai konferenciával — STOC 2026, ICML 2026, NeurIPS 2026 és ICLR 2027 —, és a programban opt-in módon részt vevő több mint 16 000 kézirathoz biztosított elő-benyújtási visszajelzést. A PAT pilotok célja az volt, hogy a szerzők gyakorlati, javítható visszajelzést kapjanak a beküldés előtti hetekben; a visszajelzés elkülönült a hivatalos recenziós folyamattól, a résztvevő anyagok nem kerültek felhasználásra modellek tanítására, és a programok lezárultával a fájlok törlésre kerültek a Google rendszereiből. A Deep Reviewbe integrált Gemini 4 Argon támogatás tovább növeli az eszköz képességeit a korábbi PAT-verziókhoz képest.
Hogyan működik a Deep Review
A hagyományos, egy prompton alapuló nagy nyelvi modellhívások gyakran megbuknak hosszú, komplex dokumentumok értékelésekor: kifogynak a token-költségvetésből, figyelmen kívül hagyják a hosszú távú kontextusfüggőségeket, vagy nem vizsgálják kellő mélységgel a finom állításokat. A Deep Review egy négylépcsős agentikus csővezetéssel oldja meg ezeket a problémákat:
- Dokumentum szegmentálása: egy szegmentáló ügynök autonóm módon felbontja a dokumentumot logikai részekre (például Bevezetés, módszertan, kísérletek). A részek fedhetik egymást, és a teljes tartalmat le kell fedniük.
- Adaptív költségvetés-allokáció: a rendszer vizsgálja az információsűrűséget, és dinamikusan oszt ki számítási erőforrást egy-egy szakaszra; például bonyolult matematikai bizonyítások több számítási kapacitást kaphatnak.
- Párhuzamos, specializált ellenőrzés: szegmensenként specializált érvelő ügynökök dolgoznak párhuzamosan; mindegyik hozzáfér a teljes dokumentumkonteksthúz, de a saját célfeladatára koncentrálva mélyreható vizsgálatot végez.
- Globális szintézis és agentikus validálás: egy külön szintetizáló ügynök összevonja a szegmensszintű jelentéseket, elvégzi az összhang-ellenőrzéseket, és szükség esetén újra lefuttat logikai vizsgálatokat; végső lépésként külső ellenőrzéseket és eszközhívásokat használ a hallucination (téves állítás) megelőzésére.
Mire képes a Deep Review — általánosítás kutatási papíroktól egyéb dokumentumokig
A hosszú kontextusú ellenőrzésre tervezett módszerek nem csak tudományos bizonyítások vizsgálatára jók: hasonló mechanizmusok képesek logikai hiányosságokat, ellentmondásokat és alátámasztás nélküli állításokat feltárni más szakmai dokumentumokban is. Például a Deep Review alkalmazható:
- Tervezési dokumentumokra: kimutatja a meg nem fogalmazott architekturális feltételezéseket, edge case-eket, és konkrét javítási javaslatokat ad.
- Prezinekre (prezentációkra): ellenőrzi a slide-ok logikai folyamatosságát és a felsorolt következtetések megfelelőségét a vizualizációkhoz.
- Jogi és pénzügyi anyagokra: keresztellenőrzi a záradékok és adattáblák belső konzisztenciáját, jelzi a kétértelmű kitételeket és a lehetséges következményeket, valamint alá tudja támasztani az állításokat a kapcsolódó bizonyítékokkal.
Hozzáférés, adatvédelem és formátumok
- Hozzáférés és API: minden felhasználó heti két ingyenes dokumentumellenőrzést kap. A nagyobb mennyiségű munkafolyamatok esetén a felhasználók csatlakoztathatják a Gemini API kulcsukat a magasabb használati korlátokért és programozott integrációért a Deep Review API-n keresztül.
- Formátumok: a Deep Review kezdetben PDF és egyszerű szöveg (plain text) formátumokat támogat; a többfájlos bemenet támogatása hamarosan érkezik.
- Adatvédelem és adatpolitika: a Deep Reviewhez feltöltött dokumentumokat soha nem használják fel Google modellek tanítására vagy finomhangolására. A feltöltött anyagokat megjelenítés céljából legfeljebb egy évig tárolják a Deep Review felhasználói felületen.
Kapcsolódó eszköz: Antigravity és a Teamwork mintázat
A Google bemutat egy, a Deep Review által inspirált megvalósítási mintát is, a Teamwork Deep Document Review Pattern-t, amely az Antigravity alkalmazásban érhető el a Teamwork többügynökös orchestrációs keretrendszerének használatával. Ez a minta szegmens alapú rubrikákat és önjavító többszintű ügynök-hierarchiát alkalmaz technikai javaslatok, kéziratok és kutatási cikkek rendszerezett értékelésére.
A várható hatás és jövőkép
A Deep Review célja szélesebb hozzáférést biztosítani a mély, technikai ellenőrzéshez, amelyre eddig gyakran csak nagy recenziós hálózatok — tapasztalt egyetemi oktatók, erőforrásokkal rendelkező laboratóriumok vagy kiterjedt kollégai hálózatok — voltak képesek. A Google szerint az automatikus logikai ellenőrzés segíthet a szerzőknek hibák feltárásában, állításaik megerősítésében és a dokumentumok minőségének javításában.
Hogyan kezdjenek hozzá az érdeklődők
- Kipróbálás: a felhasználók a Google Research Portalon keresztül indíthatják első dokumentumaik ellenőrzését.
- API integráció: a fejlesztők a Gemini API kulcsukkal programozott ellenőrzést iktathatnak be folyamatos integrációs és szerkesztési munkafolyamataikba.
- Tudományos részletek: a módszertan és a pilotok eredményei a Deep Review előzetes tanulmányában (preprint) olvashatók.
Összegzés
A Deep Review a PAT pilotek során mutatott hasznosság alapján egy potenciálisan fontos eszköz lehet az akadémiai lektorálás és más technikai dokumentumellenőrzési folyamatok támogatásában. A Gemini 4 Argon integrálásával és a közelgő többfájl-támogatással a Google szerint a platform további fejlesztések révén még szélesebb körben teszi elérhetővé a magas minőségű technikai recenziókat.
Elismerések
A Deep Review fejlesztése a Google Research, Google DeepMind és Google Cloud közös munkája. A projekt fő közreműködői: 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. Vezető szponzorok: Katherine Chou, Corinna Cortes, Burak Gokturk, Vahab Mirrokni, Tomas Pfister és Yossi Matias, valamint a STOC, ICML, NeurIPS és ICLR programbizottságai a partnerségért.
