上海AI实验室FlowSearch刷新深度研究新纪录，结构化知识流大幅提升模型性能-优快云博客

上海人工智能实验室，打造了一个AI智能体深度研究系统FlowSearch。

在GAIA、GPQA和HLE基准测试中取得了领先性能，其表现优于具有竞争力的智能体工作流方法（OpenAI-DeepResearch、MiroFlow、Manus、OWL）以及基于大语言模型（LLM）的方法（GPT-5、Intern-S1、DeepSeek-R1）。

深度研究需要能想得开，又能钻得深。一个好的研究者，脑子里装的是一张巨大的、不断生长的网。每一个知识点，每一个子问题，都像网上的一个节点，彼此之间有千丝万缕的联系。你要能同时在几个不同的分支上探索，又要能及时地把一个分支的发现，反馈给另一个分支，甚至根据新线索调整整个研究的大方向。

大多数人工智能处理复杂问题，都是把一个大任务拆解成一串线性的小任务，像流水线一样，按顺序一个个执行下去。这种方式处理一些流程固定的事儿没问题。可面对真正的科学研究，这种线性思维的弊病就暴露无遗了。

真实的研究过程，充满了不确定性和非线性的依赖关系。你可能需要先收集A和B两种材料，才能开始C实验。同时，你还得去查阅D文献，看看有没有人做过类似的工作。C实验的结果，可能会让你回头去重新审视A材料的特性，甚至完全推翻之前的假设，开辟一个全新的研究方向E。

这种复杂的、动态调整的、多线程并行的工作流，是传统线性AI智能体无法驾驭的。它们就像只有一个CPU的计算机，一次只能想一件事，前一步的输出简单地交给后一步，中间宝贵的见解和证据，很容易就在这个单向传递链条中被稀释、遗忘了。

FlowSearch要解决的，就是这个问题。

AI做科研不再是一条路走到黑

FlowSearch的核心叫做“动态结构化知识流”。

它放弃了“待办事项清单”式的线性思维，转而用一种更高级的工具来组织研究过程，那就是“有向无环图”（Directed Acyclic Graph, DAG）。

你可以把它想象成一张思维导图。

整个研究任务就像是这张思维导图的中心主题。围绕这个主题，AI会不断地生长出新的分支节点。每个节点都是一个具体的子任务，比如“搜索一篇文献”、“解决一个方程式”、“回答一个子问题”。节点之间用箭头连接起来，表示它们之间的依赖关系。箭头“A→B”的意思是，必须先完成A任务，才能开始B任务。

这种图状的结构，天然就比线性列表强大得多。

它能清晰地展现出任务之间复杂的依赖关系。哪些任务是上下游，哪些任务可以并行处理，一目了然。比如，在研究一个课题时，搜集背景资料和设计实验方案这两个任务，可能并没有绝对的先后顺序，完全可以同时进行。在图结构里，它们就是两个并行的分支，可以交给两个不同的AI智能体去分头执行，大大提高了效率。

FlowSearch系统里，有三个核心角色，像一个配合默契的研究小组。

第一个角色叫“知识流规划器”（Knowledge Flow Planner）。它就是这个小组的组长，负责绘制最初的那张思维导图。它会审视最初的研究问题，把它分解成几个关键的子任务节点，并规划出它们之间的依赖关系，形成一个初始的知识流图。这个规划器不是一次性就把图画完，而是迭代式地、一步步地扩展。它会不断检查图里的节点，看看哪个节点还需要进一步分解，或者需要更多的信息支持，然后相应地添加新的子节点和连接。

上海人工智能实验室的研究团队为了训练这个规划器，专门准备了一个包含1万个案例的数据集，把它培养成一个规划高手，取名InternPlanner。

第二个角色是“知识收集器”（Knowledge Collector）。它们是小组里的执行者，是真正干活的“研究员”。知识收集器会盯着那张不断变化的思维导图，找出所有“前置任务”都已完成、可以立即执行的节点，然后把这些节点分配给不同的执行器智能体去处理。这些智能体个个身怀绝技，配备了各种工具，比如网页浏览、文件下载、视觉问答等等，它们会调用这些工具，去完成节点里指定的子任务。任务完成后，它们会把结果——无论是搜集到的信息，还是推理出的结论——进行提炼总结，附着在这个节点上，供后续依赖它的节点使用。

第三个角色是“知识流优化器”（Knowledge Flow Refiner）。它是小组里的“复盘专家”或“情报分析师”。在一批节点被执行完，有了新的结果和知识之后，优化器就会登场。它会审视整个知识流图的现状，结合新获得的信息，对图的结构进行动态调整。它就像一个经验丰富的老教授，会根据研究的进展，指出“这个方向可能走不通，可以砍掉”、“这里发现了一个新的联系，应该建立一条新的依赖边”、“这个子问题的提法不太对，需要修改一下”。

它手里有六件修改工具：增加节点、删除节点、修改节点、增加边、删除边、修改边。通过这些操作，优化器能实时地修剪、扩展和重塑知识流，确保整个研究过程始终朝着最有效、最合理的方向前进。

这三个角色协同作战，构成了一个完整的“规划-执行-反馈-优化”的闭环。整个研究过程不再是僵化的线性推进，而是一个知识流图不断生长、演化、自我完善的动态过程。这种方式，才更接近人类顶尖科学家的思考和工作方式。

它用实力证明了结构的重要性

FlowSearch在一系列公认的高难度基准测试中，交出了一份令人印象深刻的成绩单。

GAIA（通用AI助手）基准，它的问题对人类来说可能很简单，但对AI却是出了名的难。FlowSearch（基于o4-mini模型）在这个测试上，把平均准确率一举提升到了76.96%。

GPQA（研究生水平）基准，是一个专门用来测试模型深度推理和专业知识的平台，题目由领域专家编写，确保你用简单的搜索引擎找不到答案。在其中难度最高的GPQA-diamond子集上，FlowSearch（o4-mini）在生物、化学、物理三个领域的平均准确率达到了87.37%，这个成绩甚至超过了GPT-5（85.35%）。

HLE（人类最后的大考）基准，是一个涵盖数学、人文、自然科学的多模态测试，由主题专家开发，代表了学术能力的前沿水平，目前最强的LLM在这里的表现也远不及人类专家。在这个硬骨头上，FlowSearch（o4-mini）再次拔得头筹，取得了30.80%的准确率，超过了OpenAI DR（26.60%）和Gemini Deep Research（26.90%）这些来自顶级科技公司的闭源系统。

在更垂直的生物医药领域，TRQA（治疗靶点发现问答）基准上，FlowSearch作为一个通用智能体，凭借其强大的结构化工作流，取得了77.9%的成绩，甚至超过了像Origene（60.1%）这样专门为该领域设计的AI智能体。