← 返回全部情报
Google Deep Review 公开:四阶段深审流水线,大会试点服务 16000+ 稿,每周免费 2 次 的封面

·Google Research Blog·研究收录 2026-10-26

Google Deep Review 公开:四阶段深审流水线,大会试点服务 16000+ 稿,每周免费 2 次

工程管理文档审阅agentic同行评议Google Research

一句话结论

Deep Review 把前身 PAT 的四阶段 agentic 审阅公开:分段、自适应算力预算、并行深审、全局综合与 grounding;已在 STOC/ICML/NeurIPS/ICLR 服务 16000+ 稿,现提供每周 2 次免费审阅与 Gemini API 接入,上传内容不用于训练。

打开原文 Google Research:Analyzing technical documents with Deep Review

背景与理念

生成加速后,人类核验能力几乎没涨,复杂技术文档形成验证瓶颈。三大 AI 会议投稿约从 2023 年的 23,000 增到 2026 年约 74,000,Deep Review 旨在分担逻辑一致性、数学陈述与事实 grounding 等重认知负担,高层判断仍留给人。

具体做法

  1. 文档分段:切成可重叠、须覆盖全文的逻辑段。
  2. 自适应预算:按信息密度分配算力,密证明段落可拿更多推理。
  3. 并行深审:各 agent 有全文上下文但聚焦本段。
  4. 全局综合与 agentic grounding:跨段一致性检查,并做外部 grounding/工具调用。支持 PDF 与纯文本;Antigravity 提供 Teamwork Deep Document Review Pattern(`/teamwork-preview`)。

关键数据/例子

PAT 在 STOC 2026、ICML 2026、NeurIPS 2026、ICLR 2027 试点为超过 16,000 篇自选稿提供截稿前反馈,且与正式审稿脱钩。公开后每用户每周 2 次免费审阅,高用量可接 Gemini API;文档存储一年仅供本人 UI 展示,不用于训练或微调。

创新点

第一,用分段并行 + 自适应预算解决单次长文耗尽推理预算与漏跨段依赖的问题。第二,把同一套深审模式扩到设计文档、演示、法律与金融材料,并接到 Antigravity Teamwork。

可否复用

  1. 长文审阅先分段再并行,综合阶段必须做跨段一致性与外部 grounding。
  2. 对密推理段落单独加预算,避免和引言均摊算力。
  3. 若用于投稿辅助,明确与正式评审脱钩,并写清数据不进训练的政策。

笔记会在输入时自动保存。