లోతైన పరిశోధన, ఇప్పుడు Computerలో

లోతైన పరిశోధన అనేది ఏజెంట్ లాంటి, ఇటరేటివ్ సెర్చ్. ఇది సాంప్రదాయ రీసెర్చ్ అనలిస్ట్ లాగా పనిచేస్తుంది. చర్య తీసుకునే ముందే ఇది ప్లాన్ చేస్తుంది. ఒకదానికి బదులుగా అనేక సెర్చ్‌లను రన్ చేస్తుంది, తదుపరి దేని కోసం వెతకాలో రీజన్ చేసే ముందు ప్రతిసారీ ఫలితాలను చదువుతుంది. తగినన్ని ఆధారాలు ఉన్నాయో లేదో ఇది అంచనా వేస్తుంది మరియు వైరుధ్యాలను గమనిస్తుంది, లోతుగా చదువుతుంది, ఆపై ఫలితాలను ఒకే అధికారిక సమాచారంగా సింథసైజ్ చేస్తుంది.

ఈ లోతే, ప్రామాణిక సెర్చ్ కంటే లోతైన పరిశోధనకు ఎక్కువ సమయం పట్టడానికి మరియు ఎక్కువ కంప్యూట్ వినియోగించడానికి కారణం.

అలాగే Computerలో లోతైన పరిశోధనను ఎందుకు చేర్చారో కూడా ఇదే కారణం. ఒక క్లిష్టమైన ప్రశ్నకు సమాధానం దొరకడం అనేది కేవలం ఒక ప్రారంభం మాత్రమే. లోతైన పరిశోధన త్వరగా ఒక రిపోర్ట్, డ్యాష్‌బోర్డ్ లేదా పనికి ఏది అవసరమైతే దానికి దారితీస్తుంది. అది జరిగే చోటే Computer ఉంటుంది.

ఈ రోజు Search as Code అనే కొత్త విధానం ద్వారా లోతైన పరిశోధన తన సొంత సెర్చ్ ప్రోగ్రామ్‌లను వ్రాయగలదని కూడా మేము ప్రకటిస్తున్నాము. ఒక సమయంలో ఒక క్వెరీని రన్ చేయడానికి బదులుగా, Computer ప్రతి ప్రశ్నకు ఒక కస్టమ్ సెర్చ్ ప్లాన్‌ను రూపొందిస్తుంది మరియు సమాంతరంగా వేలాది దశలను రన్ చేస్తుంది. కలిసి, ఈ మార్పులు లోతైన పరిశోధన చేయగల సామర్థ్యాన్ని విస్తరిస్తాయి.

వ్యాపార సందర్భంలో మరింత సరిగ్గా సరిపోయే సమాధానాల కోసం ఇది ఇప్పుడు అంతర్గత ఫైల్‌లు మరియు యాప్‌ల నుండి సమాచారాన్ని సేకరిస్తుంది. Computer ఆ సమాధానాలను PDFలు, డెక్‌లు, డ్యాష్‌బోర్డ్‌లు, వెబ్‌సైట్‌లు మరియు మరెన్నో పనికి సిద్ధంగా ఉన్న ఫార్మాట్‌లుగా మారుస్తుంది. ఇది మరింత జాగ్రత్తగా ఆలోచిస్తుంది మరియు ఇతర Computer వర్క్‌ఫ్లోలలో ఏకీకృతం అవుతుంది.

మెరుగైన ఇన్‌పుట్‌లు, మెరుగైన అవుట్‌పుట్‌లు

జ్ఞాన సంబంధిత పనికి లోతైన పరిశోధన పునాది. ఒక మెమో, బ్రీఫ్, ప్లాన్ లేదా విశ్లేషణ యొక్క నాణ్యత దాని వెనుక ఉన్న మూలాలు మరియు తార్కికత యొక్క నాణ్యతపై ఆధారపడి ఉంటుంది.

Computerలోకి లోతైన పరిశోధనను తీసుకురావడం ద్వారా ఆ పునాది పని జరిగే చోటే ఉంటుంది. Computer పనులలో దాదాపు 26% పరిశోధన మరియు విశ్లేషణతో కూడుకున్నవని ఇటీవలి అధ్యయనం కనుగొంది, ఇది కోడింగ్, అసెట్ క్రియేషన్ మరియు మరిన్నింటి కంటే ముందున్న అతిపెద్ద కేటగిరీ.

ఈ రోజుకు ముందు, Computer మరియు లోతైన పరిశోధన వేర్వేరుగా ఉండేవి. వినియోగదారులు తమ లోతైన పరిశోధన క్వెరీని ఒక థ్రెడ్‌లో రన్ చేయాల్సి వచ్చేది, ఆపై డెలివరబుల్‌ను రూపొందించడానికి Computerలో మరొకటి తెరవాల్సి వచ్చేది.

ఇప్పుడు వినియోగదారులు సంక్లిష్టమైన క్వెరీని అడగవచ్చు మరియు Computer దానిని 20+ ఫ్రాంటియర్ మోడల్స్‌లో విభజించి ఉపనులాగా విభజిస్తుంది. వినియోగదారులు పరిశోధించిన సమాధానాలను పొందవచ్చు, ఫాలో-అప్‌లు అడగవచ్చు, కనెక్ట్ చేయబడిన సందర్భాన్ని లాగవచ్చు మరియు కనుగొన్న వాటిని పూర్తయిన అసెట్‌లుగా మార్చవచ్చు, అన్నీ ఒకే క్వెరీలో చేయవచ్చు.

సెర్చ్ అవసరమైనప్పుడు, Statista, PitchBook మరియు CB Insights వంటి ప్రీమియం సోర్సెస్ నుండి Computer స్వయంచాలకంగా సమాచారాన్ని సేకరిస్తుంది, అధికారిక డేటాతో సమాధానాలకు మద్దతు ఇస్తుంది.

ఒకే నైపుణ్యం, అనేక మార్గాలు

Computerలో, లోతైన పరిశోధన అనేది సార్వత్రిక సెర్చ్ నైపుణ్యానికి ప్రవేశ బిందువు. ఒకే క్వెరీ సరైన రిట్రీవల్ ప్యాటర్న్‌కు రూట్ అవుతుంది. ఆ తర్వాత, ఇది ఫలితాలను ఏకీకృత సమాధానంగా సరిపోల్చుతుంది.

"మేము ఇప్పుడే కొనుగోలు చేసిన టెక్సాస్ స్టార్టప్ నుండి ఉద్యోగుల నాన్-కాంపిటీషన్ ఒప్పందాలు ఇప్పుడు మనం కాలిఫోర్నియా కంపెనీగా మారినందున ఇప్పటికీ అమలు చేయదగినవేనా?" వంటి ప్రశ్నను తీసుకోండి.

Computer సమాంతరంగా నాలుగు మార్గాలను రన్ చేస్తుంది. ఇది నాన్-కాంపిటీషన్‌లపై కాలిఫోర్నియా యొక్క దాదాపు పూర్తి నిషేధాన్ని మరియు దాని కోర్టులు ఇతర రాష్ట్రాల ఒప్పందాలను ఎలా పరిగణిస్తాయో పరిశీలిస్తుంది. ఇది ప్రత్యేక శిక్షణ లేదా ట్రేడ్ సీక్రెట్‌లకు అనుసంధానించబడి ఉంటే నాన్-కాంపిటీషన్‌లు చెల్లుబాటు అయ్యే టెక్సాస్ అమలు ప్రమాణాలను విశ్లేషిస్తుంది. ఇది సముపార్జన తర్వాత ఒప్పంద కేటాయింపు కేస్ లా మరియు నాన్-కాంపిటీషన్‌లపై FTC యొక్క ఇటీవలి రూమ్‌మేకింగ్‌ను సమీక్షిస్తుంది.

తుది అవుట్‌పుట్ నాలుగు మార్గాలను ఒకే రిస్క్ అసెస్‌మెంట్‌గా సరిపోల్చుతుంది, ఏ ఒప్పందాలు చెల్లకపోవచ్చు, ఏవి మనుగడ సాగించవచ్చు మరియు బయటి కౌన్సెల్ ఎక్కడ అవసరమో తెలియజేస్తుంది.

AI సెర్చ్ కోసం కొత్త ఆర్కిటెక్చర్

Computerలోని లోతైన పరిశోధన Search as Code అని పిలిచే ఆర్కిటెక్చర్‌పై నిర్మించబడింది.

AI సిస్టమ్‌లు సాధారణంగా సెర్చ్‌ను ఒకే దశగా భావిస్తాయి: ప్రశ్న అడగండి, ఫలితాలను కనుగొనండి. Computer సెర్చ్‌ను ఒక ప్రోగ్రామ్‌లా పరిగణిస్తుంది. మోడల్ కోడ్‌ను వ్రాస్తుంది, ఇది సమాంతరంగా వేలాది రిట్రీవల్ దశలను డిజైన్ చేసి రన్ చేస్తుంది, ప్రతి ఒక్కటి వినియోగదారు అడిగిన ప్రశ్నకు తగినట్లుగా రూపుదిద్దుకుంటుంది.

ఈ కోడ్ మోడల్ పక్కనే ఉన్న సురక్షితమైన శాండ్‌బాక్స్‌లో నడుస్తుంది, కాబట్టి ఫలితాలు వచ్చినప్పుడు మోడల్ వాటిని చూడగలదు మరియు ఏ మూలాల నుండి సమాచారం తీయబడింది, వాటికి ఎలా స్కోర్ వచ్చింది అనేదాన్ని ట్రాక్ చేయగలదు. నాణ్యత ఇంకా రాకపోతే ఇది సెర్చ్ మధ్యలో కోర్సును మార్చగలదు.

ఆచరణలో, దాని అర్థం ఒకే లోతైన పరిశోధన రన్ వీటిని చేయగలదు:

ఒక ప్రశ్నను వందలాది లేదా వేలాది లక్ష్యిత రిట్రీవల్స్‌గా విభజించడం

సమాంతరంగా సెర్చ్‌లను రన్ చేయడం, కొత్త థ్రెడ్‌లు కనిపించినప్పుడు వాటిని అనుసరించడం మరియు సమాధానాలు సరిపోనప్పుడు మళ్లీ ప్రయత్నించడం

కోడ్‌లో డెడూపింగ్, జాయినింగ్ మరియు ఫిల్టరింగ్ చేయడం ద్వారా మోడల్ చూడటానికి ముందే ఫలితాలను శుభ్రపరచడం

అదే సెర్చ్‌లో అధీకృత కనెక్టర్‌లను ఉపయోగించి లైవ్ వెబ్ మరియు అంతర్గత మూలాల నుండి సమాచారాన్ని సేకరించడం

విక్రేత భద్రతా నోటీసులలో 200 సాఫ్ట్‌వేర్ వల్నరబిలిటీల ఆడిట్‌కు శక్తినివ్వగల అదే ఆర్కిటెక్చర్, నాలుగు వేర్వేరు అధికార పరిధులలో నాన్-కాంపిట్ ఒప్పంద ల్యాండ్‌స్కేప్‌ను విశ్లేషించగలదు.

అధిక నాణ్యత గల, ఉద్ధరించబడిన డేటా

పెర్‌ప్లెక్సిటీ యొక్క లోతైన పరిశోధనను Computer లోపలికి తరలించడం వల్ల దాని పనితీరు మెరుగుపడుతుందని మూడు AI మూల్యాంకన బెంచ్‌మార్క్‌లు కనుగొన్నాయి. కదిలిన తర్వాత, హ్యుమానిటీస్ లాస్ట్ ఎజామ్, బ్రౌజ్‌కాంప్ మరియు డీప్‌సెర్చ్‌క్యూఏ ప్రకారం వాస్తవిక ఖచ్చితత్వం, విశ్లేషణ లోతు మరియు సైటేషన్ నాణ్యత అన్నీ పెరిగాయి.

లోతైన పరిశోధనలోని ప్రతి వాస్తవిక దావా ఇన్-లైన్ సైటేషన్‌ను కలిగి ఉంటుంది. సంఖ్యలతో కూడిన ప్రతి సూపర్‌స్క్రిప్ట్ నేరుగా లైవ్ సోర్స్ URLకి లింక్ చేస్తుంది, కాబట్టి వినియోగదారులు క్లిక్ చేసి మూలాన్ని ధృవీకరించవచ్చు.

ఉదాహరణ ప్రశ్నలు

Computer లోపల లోతైన పరిశోధన ఏమి చేయగలదో ఇక్కడ ఉంది:

బై-సైడ్ డ్యూ డిలిజెన్స్ (ఫైనాన్స్): పబ్లిక్‌గా లిస్ట్ చేయబడిన మూడు యూరోపియన్ కిరాణా రిటైలర్లపై బై-సైడ్ డ్యూ డిలిజెన్స్ నిర్వహించండి. వారి ఆర్థిక పనితీరు, స్టోర్ ఫార్మాట్‌లు, ప్రైవేట్-లేబుల్ చొరబాటు, సరఫరా గొలుసు స్థితిస్థాపకత, కార్మిక వ్యయ బహిర్గతం మరియు ఇటీవలి పునర్వ్యవస్థీకరణ చర్యలను నిర్మాణాత్మక పట్టికలో సంకలనం చేయండి, అలాగే ప్రధాన ప్రమాణాలు మరియు అప్‌సైడ్ దృశ్యాలను హైలైట్ చేసే చిన్న మెమోను అందించండి.

పైప్‌లైన్ కాంపిటేటివ్ రివ్యూ (హెల్త్‌కేర్): అంతర్గత ప్రోగ్రామ్ వ్యూహాన్ని మెరుగుపరచడానికి రిలాప్స్డ్/రిఫ్రాక్టరీ మల్టిపుల్ మైలోమాలో పోటీదారుల ప్రయోగాత్మక CAR-T థెరపీని అంచనా వేయండి. దశ 1/2 ట్రయల్ రీఅవుట్‌లు, టాక్సిసిటీ మరియు రెస్పాన్స్ డేటా, ఆమోదించబడిన ప్రత్యామ్నాయాలకు వ్యతిరేకంగా తులనాత్మక ఫలితాలు, పేయర్ కవరేజ్ ట్రెండ్‌లు మరియు సక్రియ ట్రయల్ సైట్‌లను సంశ్లేషణ చేయండి. యాప్ కనెక్టర్‌ల ద్వారా అంతర్గత ప్రిక్లినికల్ డేటా, మునుపటి ప్రోటోకాల్ డిజైన్‌లు మరియు నియంత్రణ ఫైలింగ్‌లకు కనెక్ట్ చేయండి, ఆపై పొజిషనింగ్ సిఫార్సులు మరియు ఓపెన్ శాస్త్రీయ ప్రశ్నలతో డెవలప్‌మెంట్ కమిటీ కోసం నిర్మాణాత్మక బ్రీఫింగ్‌ను రూపొందించండి.

మా యూజ్ కేస్ లైబ్రరీలో మరిన్ని నమూనా లోతైన పరిశోధన ప్రశ్నలను వీక్షించండి.

ఇప్పుడు అందుబాటులో ఉంది

Computerలో లోతైన పరిశోధన ఈరోజే అందుబాటులో ఉంది. సంక్లిష్టమైన ప్రశ్నతో థ్రెడ్‌ను ప్రారంభించండి మరియు ఫలితం నుండి పని చేయడం కొనసాగించండి.

Computerలో లోతైన పరిశోధనను ప్రయత్నించండి.