从3个核心问题，全面看懂通义DeepResearch

主要观点总结

阿里通义实验室发布了一个名为 Tongyi DeepResearch 的开源 Web Agent 模型，实现了 SOTA 性能，并探讨了模型训练的三个阶段：增量训练及其数据合成、监督微调及其数据合成、强化学习阶段。项目包含了模型、实验评测代码、Agent推理代码，并提供了GitHub地址和ModelScope模型服务。模型设计围绕开源、高性能和Web Agent三个关键词展开，旨在提供强而有力的模型，并讨论了 Agent 训练中的共识与欠共识。项目在GitHub上发布当天就登顶了每日趋势榜，展示了其受欢迎程度。

关键观点总结

关键观点1: 项目介绍

阿里通义实验室发布了一个名为 Tongyi DeepResearch 的开源 Web Agent 模型，具有SOTA性能，并探讨了模型训练的三个阶段。

关键观点2: 模型设计

项目围绕开源、高性能和Web Agent三个关键词展开，旨在提供强而有力的模型。

关键观点3: 模型训练

项目探讨了模型训练的三个阶段：增量训练及其数据合成、监督微调及其数据合成、强化学习阶段。

关键观点4: 模型内容

项目包含了模型、实验评测代码、Agent推理代码，并提供了GitHub地址和ModelScope模型服务。

关键观点5: 讨论共识与欠共识

项目讨论了 Agent 训练中的共识与欠共识，以及如何在实践中应用这些理念。

关键观点6: 项目影响

项目在GitHub上发布当天就登顶了每日趋势榜，展示了其受欢迎程度。