Hacker News 의견

• Han Xiao가 제안한 DeepSearch와 DeepResearch의 구분이 매우 흥미로움

  • DeepSearch는 최적의 답을 찾을 때까지 검색, 읽기, 추론을 반복하는 과정임
  • DeepResearch는 DeepSearch에 구조화된 프레임워크를 추가하여 긴 연구 보고서를 생성함
  • DeepSearch가 더 가치 있고 흥미로운 패턴이라고 생각함
  • DeepResearch는 결과를 "보고서"로 포장하는 화장 효과에 불과하며, 부정확하거나 오해의 소지가 있는 결과를 초래할 가능성이 큼

• 동료가 "AlphaGO가 이세돌을 이겼지만, 이세돌은 훨씬 나은 자율주행 알고리즘을 가지고 있다"고 농담했음

  • 시간이 지남에 따라 가장 발전된 AI 시스템과 일반적인 사람의 "평균적인 능력" 간의 큰 차이를 강조함

• OpenAI와 다른 회사들이 제공하는 것의 차이를 잘 포착한 것 같음

  • Google의 Gemini 2.0 Flash도 구글 검색과 네이티브 통합이 되어 있음
  • OpenAI의 DR은 특정 작업을 위한 모델을 훈련하는 경향이 있음
  • 모델 + 후속 훈련 RL을 제품으로 제공하는 방향으로 나아가고 있음
  • genspark MOA는 주어진 프롬프트에 대한 심층 보고서를 생성함

• AI가 점점 더 다양해지고 있으며, 다양한 에이전트가 생성될 가능성이 있음

• Grok이 보고서 생성에 뛰어나다고 하는데, 테이블 형식으로 답변을 요청하여 비교하기 쉽게 만듦

  • Amazon은 비교할 제품을 선택하지만, 비교 항목이 좋지 않음
  • Grok을 사용하여 열을 추가하거나 제거하고, 응답을 단축할 수 있음

• DR은 정보를 수집하고, 집중된 출발점에서 실제 연구를 수행하는 좋은 방법임

  • LLM이 이를 수행했다고 해서 더 현명해진 것은 아님
  • LLM은 주제를 더 깊이 이해하지 못함
  • 정보 통합 및 적용을 위한 더 깊은 능력이 필요함
  • 변환기 아키텍처의 한계로 인해 실시간 학습이 어려움

• OpenAI Deep Research와 Perplexity의 Deep Research를 비교한 결과, "좁고 깊음" vs "얕고 넓음"의 차이가 있음

  • OpenAI는 고품질 소스를 선택하여 특정 주제에 깊이 들어감
  • Perplexity는 많은 소스를 사용하여 표면적인 문제 공간을 제공함
  • OpenAI는 시간이 더 오래 걸림

• Deep Search/Research를 통해 다양한 워크플로우를 시도해 봄

  • 명령형(소스를 직접 선택하여 보고서 생성)과 선언형(DFS/BFS 알고리즘 사용) 접근법이 있음
  • STORM과 같은 시스템의 종단 간 흐름에 매료됨

• STORM은 높은 평가를 받았지만 GPT Researcher는 그렇지 않음

  • 다양한 예산에 맞게 GPT Researcher를 구성할 수 있음

• 인터넷에서 가장 큰 정보 조직 플랫폼들이지만, 제품을 설명할 다른 단어를 찾지 못함