उपकरण समीक्षाएँ

Deep Review तकनीकी दस्तावेजों का विश्लेषण करता है।

Google Deep Review एक एजेंटिक AI उपकरण है जो तर्क, गणित, तथ्यों और पिछले काम के लिए लंबे दस्तावेजों की जांच करता है, जिसे गोपनीयता के साथ बड़े पायलट के बाद लॉन्च किया गया था।

Deep Review तकनीकी दस्तावेजों का विश्लेषण करता है।

मुख्य जानकारी

  • Google Research सार्वजनिक रूप से लॉन्च किया गया Deep Review, एक एजेंटिक AI उपकरण जो दस्तावेजों को तार्किक स्थिरता, गणितीय शुद्धता, तथ्यात्मक समर्थन और पूर्व कार्य के साथ तुलना के लिए जांचता है।
  • यह उपकरण जनरेटिव AI बढ़ते सबमिशन और मानव समीक्षा क्षमता की तुलना में अधिक तेजी से समीक्षा मांग के कारण एक सत्यापन बाधा को संबोधित करता है।
  • Deep Review एक चार-चरण पाइपलाइन का उपयोग करता है - खंडन, अनुकूली बजटीकरण, समानांतर सत्यापन और ग्राउंडिंग के साथ वैश्विक संश्लेषण - लंबे, जटिल दस्तावेजों को संभालने के लिए उच्च स्तरीय निर्णय मनुष्यों पर छोड़ते हुए।
  • सार्वजनिक पहुंच स्तरित हैः प्रति सप्ताह दो मुफ्त समीक्षा, एक Gemini API कुंजी के माध्यम से उच्च सीमाएं, API एकीकरण और PDF और सादे पाठ के लिए प्रारंभिक समर्थन, गोपनीयता सुरक्षा उपायों के साथ जो मॉडल प्रशिक्षण से अपलोड किए गए दस्तावेजों को बाहर करते हैं।
  • यह उपकरण अकादमिक कागजात से परे दस्तावेजों, प्रस्तुतियों, कानूनी और वित्तीय दस्तावेजों को डिजाइन करने के लिए फैला हुआ है, और एंटीग्रेविटी में एक Teamwork Deep Document Review पैटर्न पेश करता है।

मेटा विवरणः शोधकर्ताओं, इंजीनियरों और रचनाकारों के लिए एजेंटिक AI दस्तावेज़ सत्यापन की पेशकश करते हुए पायलट 16,000 में सार्वजनिक रूप से Google रिलीज़ Deep Review जारी करता है।

Deep Review analyzes technical documents.

टैगः AI, LLM, Google Research, दस्तावेज़ की समीक्षा, सहकर्मी समीक्षा

विशेष रुप से प्रदर्शित छवि: (अंग्रेज़ी में) ">"</string> एक अमूर्त मैत्रीपूर्ण चित्रण जिसमें स्तरित दस्तावेज़, लिंक किए गए नोड्स और शांत समीक्षा एजेंट दावे की जांच करते हैं, बिना किसी वास्तविक व्यक्ति, लोगो या पाठ के।

Google Research में शोध वैज्ञानिकों ने उपकरण को एक एजेंटिक AI प्रणाली के रूप में वर्णित किया है जो तार्किक स्थिरता, गणितीय कथनों, तथ्यात्मक समर्थन और पिछले काम की तुलना के लिए जटिल दस्तावेजों की जांच करता है। लॉन्च STOC, ICML, NeurIPS और ICLR पर 16,000 से अधिक प्रस्तुतियों में पायलट तैनाती का अनुसरण करता है, और उत्पाद को गणितीय और वैज्ञानिक सहकर्मी समीक्षा से व्यापक ज्ञान दस्तावेजों तक विस्तारित करता है जिसमें Google Docs और प्रस्तुति शामिल हैं।

16,000 पायलट रिकॉर्ड के बाद एक सार्वजनिक प्रक्षेपण

एक वर्ष के लिए, Google ने चार प्रमुख कंप्यूटर विज्ञान सम्मेलनोंः STOC 2026, ICML 2026, NeurIPS 2026 और ICLR 2027 के साथ काम किया। लेखक 16,000 से अधिक पांडुलिपियों पर निजी पूर्व-प्रस्तुति प्रतिक्रिया प्राप्त करने का विकल्प चुन सकते थे। प्रतिक्रिया आधिकारिक समीक्षा निर्णयों से अलग थी। Google ने कहा कि पायलट प्रशिक्षण के लिए कागज डेटा एकत्र नहीं करता था, और प्रत्येक कार्यक्रम समाप्त होने के बाद दस्तावेजों को तुरंत हटा दिया गया था।

कंपनी ने पांडुलिपि में आगे के विवरण प्रकाशित किए 15]Towards Automating Scientific Review Google s Paper Assistant Tool. लेखक की प्रतिक्रियाएं सकारात्मक थीं, और Google ने कहा कि उपकरण मॉडल अपडेट और एक बेहतर हार्नेस के साथ सुधार हुआ है।

रिलीज़ Google को वैधता की बाधा के रूप में संदर्भित करता है। Generative AI ने कागजात तैयार करना, कोड चलाना, प्रयोगों का डिजाइन और प्रस्ताव लिखना आसान बना दिया है, लेकिन मानव समीक्षा क्षमता समान गति से नहीं बढ़ी है। यह विशेष रूप से AI सम्मेलनों में दिखाई देता है। इस वर्ष आईसीएलआर, न्यूरआईपीएस और आईसीएमएल को लगभग 45,000 2025, 32,000 2024 और 23,000 2023 प्रत्येक प्रस्तुति को कई उच्च-गुणवत्ता वाली समीक्षाओं की आवश्यकता होती है, जो विशेषज्ञों पर दबाव जोड़ती है।

Deep Review analyzes technical documents.

पहुँच, सीमाएँ और निजता

Google एक स्तरित एक्सेस मॉडल के साथ दुनिया भर में Deep Review खोला गया। प्रत्येक उपयोगकर्ता को प्रति सप्ताह दो मानार्थ दस्तावेज़ समीक्षा मिलती है। उच्च-मात्रा वाले वर्कफ़्लो वाले उपयोगकर्ता उच्च उपयोग सीमा प्राप्त करने और प्रोग्रामेटिक एकीकरण के लिए Deep Review API का उपयोग करने के लिए Gemini API कुंजी कनेक्ट कर सकते हैं। पहले समर्थित इनपुट प्रारूप पोर्टेबल डॉक्यूमेंट फॉर्मेट और सादे पाठ हैं; Google ने कहा कि मल्टी-फाइल इनपुट जल्द ही आ रहा है।

गोपनीयता एक केंद्रीय डिजाइन बिंदु है। Google में कहा गया है कि Deep Review पर अपलोड किए गए दस्तावेजों का उपयोग कभी भी प्रशिक्षण, फाइन-ट्यून या सुधार करने के लिए नहीं किया जाएगा. अपलोड किये गये दस्तावेज़ों को केवल एक वर्ष तक संग्रहीत किया जाता है ताकि उन्हें Deep Review UI में उपयोगकर्ता को प्रदर्शित किया जा सके। यह उपकरण उन उपयोगकर्ताओं के लिए प्रासंगिक बनाता है जिन्हें स्वचालित जांच की आवश्यकता होती है लेकिन वे अपने अप्रकाशित मसौदे, कानूनी खंड या वित्तीय तालिकाओं को मॉडल प्रशिक्षण में अवशोषित नहीं करना चाहते हैं।

कैसे Deep Review लंबे दस्तावेजों की जांच करता है

एक एकल LLM कॉल लंबे, जटिल दस्तावेजों के साथ संघर्ष कर सकती है। यह अपने token तर्क बजट को समाप्त कर सकता है, अनुभागों में निर्भरता से चूक सकता है या पर्याप्त जांच के बिना बारीक दावों को स्वीकार करता है। Deep Review विशेष एजेंटों पर काम फैलाने और फिर उनके निष्कर्षों का सामंजस्य स्थापित करने के लिए चार चरण की एजेन्टिक पाइपलाइन का उपयोग करता है.

  1. दस्तावेज़ विभाजन: एक खंडकर्ता एजेंट इनपुट को तार्किक भागों में तोड़ता है, जैसे कि परिचय, पद्धति, प्रयोग या अन्य दस्तावेज अनुभाग। सेगमेंट ओवरलैप हो सकते हैं, लेकिन साथ में उन्हें पूरे दस्तावेज़ को कवर करना चाहिए।
  2. अनुकूली बजट: प्रणाली सूचना घनत्व का अनुमान लगाती है और विभिन्न भागों के लिए अलग-अलग कंप्यूटिंग बजट और विशेष निहित स्केलिंग पाइपलाइन आवंटित करती है। एक घने गणितीय प्रमाण को संबंधित कार्य मार्ग की तुलना में अधिक समीक्षा प्रयास प्राप्त हो सकता है।
  3. गहरी समानांतर सत्यापन: विशेष तर्क एजेंटों की समीक्षा अनुभागों में समांतर रूप से. प्रत्येक एजेंट क्रॉस-संदर्भ के लिए पूर्ण दस्तावेज़ संदर्भ देख सकता है, जबकि अपने आवंटित खंड पर ध्यान केंद्रित कर रहा है। यह व्यक्तिगत समीक्षा कार्यों को प्रबंधनीय रखता है और समांतर समीक्षा झुंड का समन्वय करता है।
  4. वैश्विक संश्लेषण और एजेंटिक ग्राउंडिंग: एक सिंथेसिस एजेंट सेगमेंट-स्तरीय रिपोर्टों को मिलाता है, अनुभागों में सुसंगतता की जांच करता है, यदि आवश्यक हो तो तार्किक जाँचें फिर से चलाता है और भ्रम के खिलाफ अंतिम सुरक्षा उपाय के रूप में बाहरी ग्राउन्डिंग चेक और टूल कॉल करता है।

इसका उद्देश्य मानव निर्णय को प्रतिस्थापित करना नहीं है। Deep Review समीक्षा के कुछ संज्ञानात्मक रूप से भारी भागों का प्रबंधन करता है - दावों, स्थिरता, साक्ष्य और तुलनाओं की जांच करते हुए उच्च-स्तरीय मूल्यांकन लोगों पर छोड़ देता है।

शोध पत्रों से लेकर रोजमर्रा के दस्तावेजों तक

Google विज्ञान से परे ज्ञान कार्य के लिए उपकरण की स्थिति रखता है। इसके अलावा, यह उन दस्तावेजों में अंतराल को उजागर कर सकता है जो साक्ष्य की आवश्यकता वाले दावों का दावा करते हैं।

Deep Review analyzes technical documents.

डिजाइन दस्तावेजों के लिए, यह अघोषित वास्तुशिल्प मान्यताओं, किनारे मामलों और ठोस सुधार सुझावों की तलाश कर सकता है। प्रस्तुतियों के लिए यह जांच सकता है कि स्लाइड संक्रमण तार्किक रूप से बहते हैं या नहीं और क्या बुलेट-पॉइंट टेकवे चार्ट मैच करते हैं। कानूनी और वित्तीय दस्तावेज़ों के लिए इसे खंडों और डेटा तालिकाओं में आंतरिक स्थिरता का परीक्षण करना चाहिए।

Google ने Teamwork Deep Document Review पैटर्न भी पेश किया, जो Deep Review से प्रेरित एक कार्यान्वयन पैटर्न है और टीमवर्क मल्टी-एजेंट ऑर्केस्ट्रेशन फ्रेमवर्क के साथ एंटीग्रेविटी में बनाया गया है। यह पैटर्न स्व-सुधार और खंड-आधारित रूब्रिक्स के साथ बहु-एजेन्ट पदानुक्रम के माध्यम से शोध पत्रों, पांडुलिपि ड्राफ्ट और तकनीकी प्रस्तावों का मूल्यांकन करने के लिए डिज़ाइन किया गया है । एंटीग्रैविटी उपयोगकर्ता इसे /teamwork- पूर्वावलोकन कमांड के साथ लागू कर सकते हैं।

प्रक्षेपण का अगला अर्थ क्या है

कंप्यूटर विज्ञान में, विस्तृत समीक्षा अक्सर वरिष्ठ संकाय, अच्छी तरह से संसाधन वाली प्रयोगशालाओं या बड़े सहकर्मी नेटवर्क पर निर्भर करती है। स्वचालित तार्किक सत्यापन शोधकर्ताओं और अन्य ज्ञान श्रमिकों को तनाव-परीक्षण के दावों की मदद कर सकता है, टालने योग्य खामियों का पता लगा सकते हैं, दस्तावेजों को मजबूत कर सकते हैं और अधिक आत्मविश्वास के साथ समीक्षा प्रक्रियाओं में प्रवेश कर सकते हैंः

Google का कहना है कि यह उम्मीद करता है कि Deep Review जैसे उपकरण आने वाले वर्षों में लेखकों और समीक्षकों दोनों की मदद करके सहकर्मी समीक्षा में महत्वपूर्ण भूमिका निभाएंगे। अगले चरणों में Gemini 4 आर्गन समर्थन और बहु-फ़ाइल इनपुट के माध्यम से निरंतर सुधार शामिल हैं। जब उपलब्ध हो, तो मल्टी-फाइल समर्थन उपयोगकर्ताओं को एक ही समय में संबंधित दस्तावेजों, स्प्रेडशीट और प्रदर्शनियों पर स्थिरता जांच चलाने देना चाहिए।

यह परियोजना Google रिसर्च, Google DeepMind और Google Cloud के बीच एक सहयोग है। इस प्रोजेक्ट में मुख्य योगदानकर्ता और अनुसंधान सहयोगी सैंटियागो बाल्सेइरो, टायलन सेमगिल, टॉमासो डोरसी, किर्क ड्रैहेम, लिंडी इमोंगू, आयस एर्डुरान, पलाश गोयल, कैरोलिन हार्टनेल, शोबाना कन्नन, एमी कीलिंग, सिई कोउ, ब्रिजेट ली, इयान ली, अनुष्का मजूमदार, टेलर मोंटगोमेरी, मौद नासिकिरि, उचे ओकोन्क्वो, मिहिर परमार, एंथनी फालेन, रोरी पिल्ग्रिम, सारा प्रेस्टोटो, रॉब टियरनी, ड्रू टाइलर, विष्णु वी., वहाब मीर्नी, लौरा वर्डोकौलकिस, जोहान्स वेलब्ल, डेविड वुड्रफ, जुहन युन्ना और जिंसुंग योसन शामिल हैं। कार्यकारी प्रायोजकों में कैथरिन चौ, कोरटेस कॉर्ट्स, गोकटाक

लेबलः सामान्य विज्ञान, मशीन इंटेलिजेंस

Comments (0)

  1. No comments yet. Be the first to share what worked for you.

Leave a comment

Comments are reviewed before they appear. Your email address is not published.