Dypgående forskning, nå i Computer

Dypgående forskning er en agentbasert, iterativ søkefunksjon som oppfører seg mer som en tradisjonell analyseforsker. Den legger en plan før den foretar seg noe. Den kjører flere søk i stedet for ett, og leser resultatene hver gang før den vurderer hva som skal søkes etter i neste omgang. Den evaluerer om den har tilstrekkelig med bevis og merker seg konflikter, leser grundig og syntetiserer deretter resultatene til ett enkelt, autoritativt svar.

Dybden er grunnen til at Dypgående forskning tar lengre tid og kan bruke mer datakraft enn et standard søk.

Det er også grunnen til at Dypgående forskning har blitt lagt til Computer. Svaret på et vanskelig spørsmål er bare begyndelsen. Dypgående forskning fører raskt til en rapport, et dashbord eller hva som helst annet arbeidet krever. Computer er stedet der det skjer.

I dag kunngjør vi også at Dypgående forskning kan skrive sine egne søkeprogrammer gjennom en ny tilnærming som kalles Search as Code. I stedet for å kjøre ett søk om gangen, bygger Computer en tilpasset søkeplan for hvert enkelt spørsmål og kjører tusenvis av trinn parallelt. Sammen utvider disse endringene hva Dypgående forskning kan gjøre.

Den henter nå fra interne filer og apper for å gi svar som er mer forankret i forretningskonteksten. Computer gjør disse svarene om til arbeidsklare formater som PDF-er, presentasjoner, dashbord, nettsteder med mer. Den resonnerer også grundigere og integreres i andre arbeidsflyter i Computer.

Bedre inndata, bedre utdata

Dypgående forskning er grunnlaget for kunnskapsarbeid. Kvaliteten på et notat, en orientering, en plan eller en analyse avhenger av kvaliteten på kildene og resonnementet bak.

Å bringe Dypgående forskning inn i Computer plasserer dette grunnlaget der arbeidet allerede foregår. En nylig studie fant at nesten 26 % av oppgavene i Computer involverer forskning og analyse, som er den desidert største kategorien, foran koding, innholdsskaping og mer.

Før i dag var Computer og Dypgående forskning adskilt. Brukere måtte kjøre sin Dypgående forskning-forespørsel i én tråd, for deretter å åpne en annen i Computer for å produsere et leveranseprodukt.

Nå kan brukere stille et komplekst spørsmål, og Computer vil dele det opp i underoppgaver som rutes på tvers av over 20 av de fremste modellene. Brukere kan få ferdigutforskede svar, stille oppfølgingsspørsmål, hente inn tilkoblet kontekst og gjøre funn om til ferdige ressurser, alt i én enkelt forespørsel.

Når søket krever det, henter Computer automatisk fra førsteklasses kilder som Statista, PitchBook og CB Insights, og støtter opp under svarene med autoritative data.

Én ferdighet, mange veier

I Computer er Dypgående forskning inngangsporten til en universell søkeferdighet. En enkelt forespørsel rutes til riktig innhentingsmønster. Deretter forener den resultatene til ett samlet svar.

Ta et spørsmål som "Er konkurranseklausulene til de ansatte fra oppstartsselskapet i Texas vi nettopp har kjøpt opp, fortsatt gyldige nå som vi er et selskap i California?"

Computer kjører fire veier parallelt. Den undersøker Californias tilnærmede totalforbud mot konkurranseklausuler og hvordan delstatens domstoler behandler avtaler fra andre steder. Den analyserer standardene for håndheving i Texas, der konkurranseklausuler er gyldige hvis de er knyttet til spesialisert opplæring eller forretningshemmeligheter. Den går gjennom rettspraksis for overdragelse av kontrakter etter oppkjøp og FTCs nylige regelverk om konkurranseklausuler.

Det endelige resultatet forener alle de fire veiene til én enkelt risikovurdering, og viser hvilke avtaler som sannsynligvis er ugyldige, hvilke som kan bestå, og hvor det er behov for ekstern juridisk bistand.

En ny arkitektur for KI-søk

Dypgående forskning i Computer er bygget på en arkitektur vi kaller Search as Code.

KI-systemer behandler vanligvis søk som et enkelt trinn:still et spørsmål, finn resultater. Computer behandler søk som et program. Modellen skriver kode som utformer og kjører tusenvis av innhentingstrinn parallelt, der hvert enkelt er tilpasset spørsmålet brukeren har stilt.

Koden kjører i et sikkert sandbox-miljø rett ved siden av modellen, slik at modellen kan se resultatene etter hvert som de kommer inn, og spore hvilke kilder som ble hentet inn og hvordan de skåret. Den kan endre kurs midt i søket hvis kvaliteten ikke er god nok enda.

I praksis betyr det at en enkelt kjøring av Dypgående forskning kan:

Dele opp et spørsmål i hundrevis eller tusenvis av målrettede innhentinger

Kjøre søk parallelt, følge nye tråder når de dukker opp, og prøve igjen når svarene ikke strekker til

Rydde opp i resultater før modellen ser dem ved å fjerne duplikater, slå sammen og filtrere i koden

Hente fra det åpne nettet og interne kilder ved hjelp av autoriserte tilkoblinger (Connectors) i det samme søket

Den samme arkitekturen som kan drive en revisjon av 200 sårbarheter i programvare på tvers av leverandørers sikkerhetsvarsler, kan analysere landskapet for konkurranseklausuler på tvers av fire forskjellige jurisdiksjoner.

Høykvalitets og siterte data

Tre KI-evalueringsbenchmarker fant at det å flytte Perplexitys Dypgående forskning inn i Computer forbedrer ytelsen. Etter flyttingen økte både faktanøyaktighet, analysedybde og siteringskvalitet, ifølge Humanity's Last Exam, BrowseComp og DeepSearchQA.

Hvert eneste påstand om faktum i Dypgående forskning har en innebygd sitering. Hver numrerte hevet skrift lenker direkte til en levende kilde-URL, slik at brukere kan klikke seg gjennom og verifisere kilden.

Eksempelforespørsler

Dette er hva Dypgående forskning kan gjøre inne i Computer:

Due diligence på kjøpersiden (finans): Utfør due diligence på kjøpersiden for tre børsnoterte europeiske dagligvareforhandlere. Samle deres økonomiske resultater, butikkformater, penetrasjon av egne merkevarer, motstandsdyktighet i forsyningskjeden, eksponering for arbeidskraftkostnader og nylige omstruktureringstiltak i en strukturert tabell, i tillegg til et kort notat som fremhever vesentlige risikoer og oppsidescenarioer.

Konkurransegjennomgang av pipeline (helsetjenester): Vurder en konkurrents eksperimentelle CAR-T-terapi ved residiverende/refraktært multipelt myelom for å skjerpe den interne programstrategien. Syntetisér resultater fra fase 1/2-studier, data om toksisitet og respons, sammenlignende utfall mot godkjente alternativer, trender for refusjonsordninger fra betalere og aktive prøvesteder. Koble til via App Connectors til interne prekliniske data, tidligere protokollutforminger og regulatoriske søknader, og lag deretter en strukturert orientering for utviklingskomiteen med posisjoneringsanbefalinger og åpne vitenskapelige spørsmål.

Se flere eksempler på forespørsler for Dypgående forskning i vårt bibliotek for bruksområder.

Tilgjengelig nå

Dypgående forskning i Computer er tilgjengelig i dag. Start en tråd med et komplekst spørsmål og fortsett arbeidet med utgangspunkt i resultatet.

Prøv Dypgående forskning i Computer.