No Priors 采访了 OpenAI Deep Research 负责人之一 Isa Fulford。

Isa Fulford 回顾了项目从小型 RL/数学实验成长为知识密集型 Agent 的历程，并分享了在人类专家数据、强化微调与工程延迟上的经验。

时间线与要点

00:00 – 06:12 起源与愿景：小团队孵化；目标是“会读、会写、懂检索”的研究助手。
06:12 – 07:20 数据质量：自建高质量专家标注数据；强调“质 > 量”。
07:20 – 09:05 强化微调 (RFT)：让模型在长链推理中自我改进；关注事实准确率与步骤可解释性。
09:05 – 11:23 专家数据价值：专家示例显著降低幻觉、提升深度推理；计划扩充“专家池”。
11:23 – 13:55 Agent 失效模式：检索缺失、调用链断裂、置信度误判；采用细粒度评测集做回归测试。
13:55 – 18:32 未来路线图：近期聚焦低延迟与多模态检索；中期加入写作风格控制与自动引用；长期开放插件生态、培养主观“品味”。
18:32 – 19:29 训练“品味”：用对比学习 + 人类偏好数据让模型学会审美和质量判断。
19:29 – 22:03 打造通用 Agent 方法论：① 高质量任务分解 ② 稳定工具接口 ③ 评测先行。
22:03 – 25:55 Deep Research vs o3：前者专注知识深度与引用完整度；后者更通用。
25:55 – 27:56 延迟与工程权衡：并行检索、缩短生成步、缓存机制以降低延迟。
27:56 – 结尾 能力预测：1 年内自动写作与代码修复；3 年内多模态决策与长期任务编排。

核心洞察

- 数据质重于量：高质量专家示例是提升事实准确率与推理深度的关键。
- 检索 + 强化微调成为“事实型 Agent”主流范式：检索保证信息新鲜度，RFT 决定“何时检索、何时推理”。
- “品味”可以被系统化训练：对比学习与偏好标注赋予模型审美与质量评估能力。
- 工程瓶颈集中在延迟与工具编排：多轮 API 调用拉高延迟，需平衡体验与准确率。
- Deep Research 与 o3 互补：o3 提供宽覆盖能力；Deep Research 针对知识密集型任务做深度优化，形成“宽 + 深”组合。

视频链接：www.youtube.com/watch?v=qfB4eDkd_40