Deep Review：谷歌推出AI技术文档审核智能体

分析技术文档的Deep Review

在STOC、ICML、NeurIPS和ICLR等会议上成功部署并处理超过16000份投稿后，Deep Review正式面向公众开放。该系统已从深度数学与科学同行评审，扩展到为知识文档（包括谷歌文档和演示文稿）提供严谨、有据可依的验证服务。

生成式AI加速了许多技术领域的发展。如今，AI在撰写科学论文、技术文档、运行代码、设计实验以及起草提案等环节中发挥作用已经十分常见。然而，内容创作的加速也带来了审核方面的挑战：在AI生成内容快速增长的同时，人类的审核能力却基本保持不变。审核像长篇科学手稿或复杂法律协议这类文档，需要专业的知识积累和深厚的学科背景。这种失衡造成了一个验证瓶颈——信息产生的速度远超其被严谨审核的速度。

今天，我们很高兴地宣布Deep Review正式公开发布，这是一款智能体AI系统，专为复杂文档提供严谨反馈和技术验证而设计。该系统最初是为计算机科学领域的学术论文分析而开发，如今其能力已扩展至覆盖法律、金融等多个领域的文档审核。它既可以作为草拟过程中的迭代改进工具，也可以作为评审过程中验证科学流程、核查论断和进行评估的工具。

Deep Review是我们此前的论文助理工具（PAT）的演进版本——PAT是一个实验性项目，旨在帮助研究人员在会议投稿前对手稿进行压力测试。过去一年中，我们与四大计算机科学旗舰会议（STOC 2026、ICML 2026、NeurIPS 2026和ICLR 2027）展开合作，为超过16000份选择参与该计划的手稿作者提供私密的投稿前反馈。有关PAT及这些试点项目的更多细节，可参阅我们的论文《Towards Automating Scientific Review with Google's Paper Assistant Tool》。

此次发布后，Deep Review现已面向全球用户开放。

Deep Review加速技术验证

验证瓶颈最显著的体现之一出现在学术同行评审领域。这一点可以从学术发表平台投稿量的激增中看出，尤其是AI研究领域本身的会议，投稿量增长十分惊人。今年，三大主要AI会议（ICLR、NeurIPS和ICML）的投稿总量超过74000份，而2025年约为45000份，2024年约为32000份，2023年约为23000份。每一份投稿都需要多轮高质量的评审以保证同行评审流程的严谨性，这给人类专家带来了越来越大的负担。

2023年至2026年间，NeurIPS、ICML和ICLR的投稿量持续增长。

Deep Review旨在帮助缓解各技术领域中人类评审者日益沉重的负担。通过为文档提供详尽、客观的评估，Deep Review能够检查逻辑一致性和数学表述、提出改进建议、核实事实依据，并与现有研究成果进行比对。它承担了评审工作中一些最耗费认知精力的环节，同时将更高层次的判断权留给人类。

在科学评审领域拥有良好的应用记录

Deep Review此前以实验性名称“论文助理工具（PAT）”的身份，在STOC 2026、ICML 2026、NeurIPS 2026和ICLR 2027四大计算机科学旗舰会议的试点合作中得到了广泛测试和部署。在这些试点项目中，作者可以选择在投稿截止日期前的几周内，通过PAT获得对论文的反馈和分析。其目标是为作者提供可操作的反馈，帮助提升投稿论文的质量。这一反馈环节完全独立于官方会议评审流程。PAT没有收集任何数据用于训练，所有论文在每期项目结束后都会从谷歌系统中及时删除。

作者们对这一工具的反馈极为积极，这也反映出底层模型和PAT运行框架都在不断改进。随着Deep Review新增对Gemini 4 Argon的支持，该工具的底层能力相较于此前描述的早期PAT版本已进一步提升。

Deep Review的工作原理

单次提示的大语言模型调用在评估冗长复杂文档时常常会遇到困难，原因在于其Token推理预算容易耗尽、容易忽略长文本跨章节间的依赖关系，或者在未充分审视细微论断的情况下就予以接受。Deep Review通过一个四阶段的智能体流水线来解决这些难题。

通用验证与评审：不止于研究论文

尽管Deep Review最初诞生于学术论文评审场景，但长文本评审的能力具有通用性：用于检验研究论文中数学证明是否成立的推理机制，同样可以帮助发现其他类型文档中的逻辑漏洞和不一致之处，这些文档同样需要有证据支撑其论断。因此，Deep Review可以将结构化的审查能力带入更广泛的日常工作流程中。

用户现在可以运用Deep Review来分析多个领域的复杂文档。例如，它可以应用于以下场景。

Deep Review与Antigravity的结合

我们还推出了Teamwork深度文档评审模式，这是一种受Deep Review启发、构建于Antigravity中的文档评审实现模式，采用Teamwork多智能体编排框架。该模式旨在系统化地评估研究论文、手稿草案和技术提案，使用具备自我校正能力的多智能体层级结构，并结合分段评分标准。Antigravity用户可以通过“/teamwork-preview”命令调用此模式。

让高质量的技术审核更加普及

长期以来，计算机科学领域全面的投稿前评议，通常依赖于广泛的评审网络——例如资深教职人员、资源充足的学术实验室，或广泛的同行咨询网络。提供可靠的自动化逻辑验证，可以帮助更多学者对自己的论断进行压力测试、识别可避免的缺陷，在验证过的基础上完善和加强文档内容，并让他们在评审过程中更有信心地展示自己的研究成果。

开始使用

我们诚邀世界各地的研究人员、工程师和创作者前来体验Deep Review。

结语与展望

鉴于Deep Review在与各学术会议的试点合作中所展现出的实用价值，我们相信，在未来几年中，此类工具将在同行评审的各个环节中发挥重要作用，为作者和评审者双方赋能。

展望未来，我们将持续扩展该平台的能力。随着Gemini 4 Argon支持的推出，Deep Review的底层能力将进一步提升，为作者提供质量更高的反馈和分析。此外，即将推出的多文件支持功能，将使用户能够同时对整套相关文档、表格和附件进行一致性检查。我们希望这些改进能够让高质量的技术审核在全球知识工作者中更加普及。

致谢

Deep Review是谷歌研究院、谷歌DeepMind和谷歌云团队共同协作的成果。我们感谢核心贡献者及研究合作伙伴，以及STOC、ICML、NeurIPS和ICLR各会议的项目主席对本项目的支持与合作。

Q&A

Q1：Deep Review是什么？它能做什么？

A：Deep Review是谷歌推出的一款智能体AI系统，专门为复杂文档提供严谨的反馈和技术验证。它最初用于计算机科学学术论文分析，现已扩展到法律、金融等多个领域，能够检查逻辑一致性、核实数学表述、核对事实依据并与已有研究进行比对。

Q2：Deep Review的前身是什么？

A：Deep Review是论文助理工具（PAT）的演进版本。PAT是一款实验性工具，曾在STOC 2026、ICML 2026、NeurIPS 2026和ICLR 2027四大计算机科学会议中试点部署，帮助超过16000份手稿的作者在投稿前获得反馈，整个过程完全独立于官方评审流程。

Q3：Deep Review是否只能用于审核学术论文？

A：不是。Deep Review的长文本评审能力具有通用性，除研究论文外，还可以用于审核法律协议、商业提案等多种类型的文档，帮助发现其中的逻辑漏洞和缺乏证据支撑的论断。