四阶段代理架构实现深度技术验证
2026年10月14日，谷歌研究部门（Google Research）宣布公开发布Deep Review。这是一款代理式AI系统（agentic AI system），旨在为复杂技术文档提供严格的反馈意见与技术验证。
该系统基于四阶段代理管道运行，流程涵盖文档自主分段、依据信息密度动态分配算力的自适应预算、由专用推理代理在完整上下文支持下执行的深度并行验证，以及通过全局合成代理结合谷歌搜索（Google Search）核查虚构定理与文献等幻觉问题的全局接地验证。
在格式兼容与处理效率方面，Deep Review目前支持PDF与纯文本格式输入，并计划未来支持多文件输入。谷歌研究科学家Rajesh Jayaram指出，系统完成一次深度审查并返回主要反馈意见通常需要约10至20分钟。
专注客观事实排查与严格数据隔离
据研发领域媒体R&D World报道与官方说明，Deep Review的核心设计是标记技术文档中的数学计算错误、逻辑漏洞以及缺乏依据的推论。该工具专注于识别客观错误并提出修改建议，不生成主观评价，也不对论文进行排名打分。
Deep Review是谷歌此前实验性项目“论文助手工具”（Paper Assistant Tool, PAT）的演化成果，此前曾与STOC 2026、ICML 2026、NeurIPS 2026以及ICLR 2027四大计算机科学顶级学术会议合作开展试点。官方与媒体均明确强调，该工具在会议试点期间提供的反馈完全独立于正式的学术同行评审流程。
针对学术与专业文档的隐私顾虑，谷歌官方声明，用户上传至Deep Review的文档绝不会被用于训练、微调或改进谷歌的模型；相关文件在系统中仅保留一年，且用途仅限于在用户界面中向上传者展示。
应对投稿洪流与AI时代的验证瓶颈
该系统的研发背景直指AI时代的“验证瓶颈”。Rajesh Jayaram表示，当前AI技术使得起草论文几乎只需一键操作，但人类验证生成内容正确性的能力并未同步提升。与此同时，AI研究领域的论文呈爆发式增长，ICLR、NeurIPS和ICML三大顶级会议在2026年收到的投稿量已超过74,000篇，而2025年约为45,000篇，2024年与2023年则分别约为32,000篇和23,000篇。
投稿激增给人类专家带来了沉重的审稿压力，Deep Review旨在通过承担高认知负荷的客观核验任务，帮助缓解这一负担。加州大学伯克利分校计算机科学家兼NeurIPS程序委员会主席Nika Haghtalab评价称，AI让生成看似精美但实质薄弱的论文变得轻而易举，在提交前引入反馈机制能帮助作者完善内容，同时节约人类审稿人的时间。
Deep Review的底层方法与试点评估已整理在题为《Towards Automating Scientific Review with Google’s Paper Assistant Tool》的预印本论文中。该研究提出了AI参与同行评审的四个进阶层次，依次为作者辅助工具、审稿人辅助工具、助理审稿人，以及完全自动化的AI同行评审。