Google Deep Review проверяет длинные документы с помощью параллельных ИИ-агентов. Узнайте, как это работает, какие результаты на SPOT и как пользоваться бесплатно.
Представьте, что вы даёте другу 40-страничный отчёт и просите: «Сможешь проверить на ошибки за 10 минут?»
Скорее всего, он найдёт пару опечаток и где-то неверное предложение. Но заметит ли, что число на странице 3 не совпадает с тем же числом на странице 31? Вряд ли.
Теперь дайте тот же отчёт команде.
Один человек, сильный в математике, берётся за уравнения, другой — за эксперименты; у всех есть полный текст отчёта, а редактор собирает их заметки и перепроверяет всё сомнительное.
Такая команда найдёт гораздо больше, включая действительно важные ошибки.
Google Deep Review — это программное воплощение второго подхода. Это агентная ИИ-система от Google Research, которая проверяет длинные и сложные документы: делит их на разделы, параллельно ревьюит каждый и объединяет результаты в единый отчёт.
В этой статье мы разберём, что такое Deep Review, как работает его конвейер из 4 стадий, что показывают опубликованные результаты Google и как собрать подобный паттерн самостоятельно. Смотрите также наш гид по Gemini 3.1 Pro и курс Мультиагентные системы с LangGraph.
Коротко
Deep Review делит документ на разделы, выделяет сложным разделам больше вычислительных ресурсов, ревьюит каждый раздел параллельно, имея на виду весь документ, затем объединяет и проверяет фактуру выводов.
На математико-компьютерном подмножестве бенчмарка SPOT (26 статей, 29 ошибок) инструмент Google Paper Assistant Tool (PAT) нашёл 89,7% ошибок против 55,2% у отдельно используемого Gemini 3.1 Pro.
Каждому пользователю доступно 2 бесплатные проверки в неделю. Принимаются только PDF и простой текст.
Все показатели точности предоставлены Google и авторами, согласившимися на участие. Публичную версию ещё никто независимо не тестировал.
Система проверяет ваше рассуждение в документе, а не код, поэтому баг в конвейере всё равно может дать неверные, но внешне согласованные числа.
Что такое Google Deep Review?
Google Deep Review — это агентная ИИ-система, которая даёт обратную связь и выполняет техническую верификацию длинных, сложных документов. Она делит документ на разделы, проверяет их параллельно и объединяет результаты в один отчёт.
Deep Review изначально создавалась для научных статей. Сейчас Google заявляет, что она подходит и для проектных документов, презентаций, а также юридических и финансовых документов. Ей можно пользоваться через Google Research Portal; анонс прозвучал на мероприятии Research@.
Возвращаясь к нашей аналогии, Deep Review — это команда плюс редактор. Она распределяет работу так, чтобы каждая часть получила внимательную проверку, а не одно беглое прочтение с первыми впечатлениями.
Зачем Google создала Deep Review?
ИИ удешевил написание документов, но проверка всё ещё медленная и дорогая. Google называет это узким местом валидации: информация генерируется быстрее, чем её можно строго проверить.
По данным Google, суммарные заявки на 3 ведущих ИИ-конференции (ICLR, NeurIPS и ICML) выросли примерно с 23 000 в 2023 до порядка 74 000 в 2026 году.
Число квалифицированных рецензентов за тот же период не утроилось. (Показатель 2026 частично оценочный, так как цифра по NeurIPS в статье Google — это прогноз.)
От Paper Assistant Tool к Deep Review
Deep Review начинался как Paper Assistant Tool (PAT). Google проводила пилоты на 4 конференциях по компьютерным наукам: STOC 2026, ICML 2026, NeurIPS 2026 и ICLR 2027.
Авторы могли по желанию получить приватную обратную связь по своей статье до дедлайна.
Через пилоты прошло более 16 000 статей.
Эта обратная связь была отделена от официального peer review и не влияла на принятие статьи.
Публичная версия добавляет поддержку Gemini 4 Argon, что, по словам Google, делает её сильнее, чем прежний PAT. Похожий паттерн Google также встроила в Antigravity, свою агентную среду для кодинга.
Deep Review — это конвейер из 4 стадий: разбиение документа, выделение усилий на раздел, параллельная проверка разделов и объединение выводов.
Очевидный способ проверить статью LLM-моделью — вставить её целиком и попросить фидбек.
Это наш «друг с 10 минутами». Google приводит 3 причины, почему этого недостаточно:
Модель исчерпывает «бюджет размышлений» до сложных мест
Пропускаются зависимости между удалёнными разделами
Принимаются нюансированные утверждения без должной проверки
Наша команда рецензентов следует тем же 4 шагам. Пройдёмся по каждому.
Стадия 1: Сегментация документа
Агент-сегментатор делит документ на логические части: введение, методы, эксперименты, доказательства и т. п.
Части могут пересекаться, но вместе они должны покрывать весь документ.
В аналогии это момент, когда команда распределяет главы до начала чтения. Ни одна часть не пропускается.
Стадия 2: Адаптивное распределение вычислительных ресурсов
Некоторые разделы проверять гораздо сложнее, чем другие.
Длинному математическому доказательству нужно больше вдумчивого анализа, чем разделу «Связанные работы», который в основном — список статей.
Deep Review оценивает плотность каждого фрагмента и выделяет более сложным больше ресурсов.
В статье Google описаны лёгкий, средний и высокий «треки размышления», при этом доказательства и теория получают высокий трек. Если вы видели у модели настройку «thinking», это та же идея, применённая отдельно к каждому разделу.
Стадия 3: Глубокая параллельная верификация
Далее агенты-рецензенты одновременно проверяют все разделы. Каждый фокусируется на своём разделе, но при этом видит весь документ.
Скажем, в разделе 5 используется результат из раздела 2.
Агент раздела 5 может вернуться и сверить соответствие. Модель, у которой перед глазами только раздел 5, не поймает такое несоответствие.
Стадия 4: Глобальный синтез и заземление
Наконец, агент синтеза выступает в роли редактора.
Он объединяет отчёты по разделам, убирает дубляжи, ищет противоречия между разделами и перепроверяет любые логические места, в которых не уверен.
Также запускаются проверки заземления по внешним источникам, включая Google Поиск, чтобы ловить галлюцинации — например, несуществующие статьи или теоремы.
Без этого шага рецензент мог бы уверенно помечать несуществующие проблемы и тратить ваше время.
Как собрать конвейер в стиле Deep Review на Python
Deep Review — это паттерн map-reduce из LLM-агентов: разделить работу, параллельно проверить части, затем объединить результаты. Простую версию можно собрать меньше чем в 80 строк.
В примере ниже используется Google Gen AI SDK с Gemini 3.1 Pro.
Параметр thinking_level позволяет реализовать нашу версию Стадии 2.
from concurrent.futures import ThreadPoolExecutor
from google import genai
from google.genai import types
client = genai.Client()# reads GEMINI_API_KEY from your environment
MODEL ="gemini-3.1-pro-preview"defsplit_into_sections(text):"""Stage 1: split a Markdown document on its headings.
Deep Review uses a segmenter agent for this step."""
sections, current =[],[]for line in text.splitlines():if line.startswith("#")and current:
sections.append("\n".join(current))
current =[]
current.append(line)if current:
sections.append("\n".join(current))return sections
defthinking_level_for(section):"""Stage 2: a very rough version of adaptive budgeting. More math, more thinking."""
math_signals = section.count("$")+ section.count("=")if math_signals >20:return types.ThinkingLevel.HIGH
return types.ThinkingLevel.LOW
defreview_section(section, full_doc):"""Stage 3: review one section while still seeing the full document."""
prompt =("You are reviewing one section of a technical document.\n\n"f"Full document for context:\n{full_doc}\n\n"f"Section to review:\n{section}\n\n""List math errors, logic gaps, and claims not supported by evidence. ""Quote the exact text for each issue. Say 'No issues' if there are none.")
response = client.models.generate_content(
model=MODEL,
contents=prompt,
config=types.GenerateContentConfig(
thinking_config=types.ThinkingConfig(
thinking_level=thinking_level_for(section))),)return response.text
defdeep_review_lite(full_doc):
sections = split_into_sections(full_doc)# Map step: review every section in parallelwith ThreadPoolExecutor(max_workers=4)as pool:
reports =list(pool.map(lambda s: review_section(s, full_doc), sections))# Stage 4 (reduce step): merge, remove duplicates, drop issues the document resolves
merge_prompt =("Merge these section reviews into one report with three headings: ""Major concerns, Minor corrections, Suggestions. ""Remove duplicates and drop any issue the full document clearly resolves.\n\n"f"Full document:\n{full_doc}\n\n""Section reviews:\n\n"+"\n\n---\n\n".join(reports))
final = client.models.generate_content(model=MODEL, contents=merge_prompt)return final.text
if __name__ =="__main__":withopen("my_report.md", encoding="utf-8")as f:print(deep_review_lite(f.read()))Работает на
Не страшно, если вы не следите за каждой строкой. Важнее общая структура. Вот как она соотносится с 4 стадиями:
split_into_sections() — наш сегментатор (Стадия 1)
thinking_level_for() — выбор усилий на раздел (Стадия 2)
ThreadPoolExecutor — параллельный запуск рецензентов, при этом каждый видит весь документ (Стадия 3)
merge_prompt в конце — наш редактор (Стадия 4)
Эта версия сильно упрощена. Нет агента-сегментатора, нет проверки через Google Поиск и нет повторной проверки спорных находок.
Зато она закрывает 2 из 3 проблем, которые перечисляет Google: нехватку «бюджета размышлений» и пропуск связей между разделами.
Есть и издержки.
Каждый вызов рецензента отправляет полный документ, поэтому расход токенов растёт с числом разделов.
Сплиттер также считает любою строку, начинающуюся с #, заголовком, включая комментарии внутри кодовых блоков, так что сперва протестируйте на своих файлах.
Как пользоваться Google Deep Review
Настройка занимает несколько минут, затем остаётся подождать, пока поработают агенты.
Первая проверка: настройка
Рисунок 1. Шаги запуска Deep Review — от входа до работы с обратной связью. Схема автора по материалам страницы Google Research о Deep Review.
Откройте Google Research Portal и запустите Deep Review.
Войдите под своим аккаунтом Google.
Загрузите PDF или вставьте простой текст.
При желании добавьте пользовательский контекст, чтобы указать, что проверять, и задайте глубину проверки и уровень «размышлений». В бесплатных проверках оба параметра — Medium.
Запустите проверку. Google указывает ~10–20 минут; длинные документы могут обрабатываться до 30 минут.
Пара ограничений:
Доступно 2 бесплатные проверки в неделю, для них не нужен API-ключ.
Сейчас принимаются только PDF и простой текст.
Google обещает скорую поддержку нескольких файлов — это удобно для статьи и приложения.
Отчёт начинается с Overall Feedback — сводки, затем следует Detailed Feedback.
Подробные комментарии можно фильтровать по категориям: серьёзные замечания, мелкие правки и предложения; в каждом комментарии указаны раздел или страница.
Есть также режим комментариев и кнопка Copy Report для копирования всей рецензии в Markdown. Удобно вставлять в заметки и разбирать по пунктам.
Насколько точен Google Deep Review?
По данным Google, предшественник Deep Review — PAT — нашёл 89,7% ошибок в математике и компьютерных науках на бенчмарке SPOT против 55,2% у отдельно запущенного Gemini 3.1 Pro.
SPOT — бенчмарк, собранный из реальных ошибок в статьях, впоследствии отозванных или исправленных. Google тестировала PAT на математико-компьютерном подмножестве с ошибками в уравнениях и доказательствах: 26 статей, 29 ошибок.
Recall у PAT оказался примерно на 34 процентных пункта выше, чем у однократного вызова модели.
Есть две оговорки.
Во-первых, авторы использовали собственный грейдер, принимающий логически эквивалентные описания ошибки, поэтому напрямую сравнивать эти числа с исходным SPOT нельзя.
Во-вторых, в статье непоследовательность по модели: в тексте PAT описан как работающий на Gemini Deep Think, а в таблице результатов показатель 89,7% подписан как PAT с Gemini 3.1 Pro. В любом случае это не публичный Deep Review.
Обратная связь по пилотам тоже выглядит обнадёживающе.
Google опросила авторов из пилотов STOC и ICML — всего там проверили более 4700 заявок. Среди 857 респондентов (124 на STOC, 733 на ICML):
92,7% на STOC и 90,7% на ICML сочли фидбек очень или в целом полезным
Около 1 из 10 авторов STOC и более чем 1 из 3 на ICML (35,4%) сообщили, что был найден значимый теоретический баг, исправление которого заняло свыше часа
31% участников ICML запустили новые эксперименты по итогам замечаний PAT
Последняя цифра особенно примечательна.
Запускать дополнительные эксперименты перед дедлайном — серьёзное решение, значит фидбек был убедительным.
Тем не менее все эти данные — от Google и от авторов, согласившихся участвовать; публичный Deep Review ещё никто независимо не проверял. Воспринимайте их как обнадёживающий сигнал, а не гарантию для ваших документов.
Как аналитикам данных использовать Deep Review?
Чтобы извлечь пользу из Deep Review, не нужно писать математические доказательства.
Многие тексты аналитиков и дата-сайентистов — это серия утверждений, подкреплённых числами. Именно это и проверяет Deep Review.
Вот несколько уместных сценариев:
Документ
Что Deep Review может проверить
Аналитические отчёты
Насколько каждое заключение подкреплено числом в отчёте
Отчёты по A/B-тестам
Слабые статистические утверждения или меняющиеся между разделами размеры выборки
ML-дизайн-документы
Несоответствия между разделами об архитектуре и об оценке
Описания ноутбуков
Пояснения вокруг результатов (сначала экспортируйте ноутбук в PDF)
Google описывает Deep Review как проверяющий рассуждения в документе. Про запуск вашего кода ничего не говорится, поэтому баг в пайплайне всё равно может привести к неверным, но внешне согласованным числам.
Хороший рабочий процесс может выглядеть так:
Сначала закончите полный черновик. Проверка половины документа израсходует одну из 2 недельных проверок.
Запустите Deep Review и проверьте каждое серьёзное замечание сами, прежде чем что-то менять.
Исправьте реальные проблемы и запустите ещё раз, если осталась проверка.
Чтобы использовать его в своих инструментах, есть Deep Review API — можно запускать проверки из кода, например в составе конвейера непрерывной интеграции (CI).
Вы подключаете свой ключ Gemini API, так что оплата идёт через ваш аккаунт Gemini API.
Стоимость зависит от длины документа и уровня рассуждений, поэтому сперва протестируйте на одном документе, прежде чем строить вокруг этого процесс.
Ограничения Google Deep Review
Главное ограничение: Deep Review может ошибаться в обе стороны.
В статье про PAT говорится о случаях, когда инструмент по ошибке помечал корректное доказательство как некорректное из-за сбоя в рассуждении; авторы отмечают, что работа продолжается.
Ещё один важный показатель — заземление.
Лишь 55,8% респондентов STOC и 64,8% ICML сочли фидбек в основном или полностью заземлённым, то есть примерно 35–44% не сочли его в основном заземлённым.
Проверяйте каждое серьёзное замечание по вашему документу, прежде чем действовать.
Кроме того, инструмент не выносит оценочных суждений.
Он не скажет, новая ли и интересная ваша идея, и не ранжирует статьи. Это по-прежнему задача авторов и рецензентов.
И вопрос приватности.
Google заявляет, что никогда не использует загруженные документы для обучения, дообучения или улучшения моделей, но хранит их 1 год, чтобы вы могли видеть их в интерфейсе.
Если вы работаете с материалами под NDA, дважды подумайте, прежде чем загружать.
Ещё несколько ограничений:
Это закрытая система без открытых весов и возможности он-прем хостинга — вы полностью полагаетесь на модели Google
Пока что принимаются только PDF и простой текст
2 бесплатные проверки в неделю быстро расходуются, если вы часто правите черновик
Все показатели точности пока исходят от Google
Итоги
Deep Review ближе к нашей команде рецензентов, чем к «другу на 10 минут». Лучший способ применения — ещё один проход по черновику перед отправкой, с вашей перепроверкой каждого серьёзного замечания.
Инструмент помечает и мнимые проблемы; он не оценивает новизну работы, а его точность ещё предстоит проверить независимым сообществом.
Главная ценность — дизайн. Разбить работу, уделить сложным местам больше усилий, проверить всё параллельно и объединить результаты — этот подход работает почти в любом агенте для длинных документов.
Да, каждому доступно 2 бесплатные проверки в неделю. Если нужно больше, подключите свой ключ Gemini API.
Какие типы файлов принимает Deep Review?⌄
На данный момент — только PDF и простой текст. Google обещает скоро добавить поддержку нескольких файлов.
Использует ли Google мои документы для обучения моделей?⌄
Нет. По словам Google, загруженные документы никогда не используются для обучения, дообучения или улучшения моделей. Они хранятся 1 год, чтобы вы могли просматривать их в интерфейсе Deep Review.
Есть ли API для Deep Review?⌄
Да. Deep Review API работает с вашим ключом Gemini API, так что вы можете запускать проверки из своего кода, например, в CI-конвейере.
Сколько времени занимает Deep Review?⌄
По данным Google, примерно 10–20 минут на документ. Длинные документы с большим количеством математики получают больше вычислительных ресурсов и могут проверяться до 30 минут.
Насколько точен Google Deep Review?⌄
На математико-компьютерном подмножестве бенчмарка SPOT предшественник Google, PAT, нашёл 89,7% ошибок против 55,2% у одного лишь Gemini 3.1 Pro. Эти результаты — от Google и ещё не проверены независимо на публичной версии Deep Review.
Представьте, что вы даёте другу 40-страничный отчёт и просите: «Сможешь проверить на ошибки за 10 минут?»
Скорее всего, он найдёт пару опечаток и где-то неверное предложение. Но заметит ли, что число на странице 3 не совпадает с тем же числом на странице 31? Вряд ли.
Теперь дайте тот же отчёт команде.
Один человек, сильный в математике, берётся за уравнения, другой — за эксперименты; у всех есть полный текст отчёта, а редактор собирает их заметки и перепроверяет всё сомнительное.
Такая команда найдёт гораздо больше, включая действительно важные ошибки.
Google Deep Review — это программное воплощение второго подхода. Это агентная ИИ-система от Google Research, которая проверяет длинные и сложные документы: делит их на разделы, параллельно ревьюит каждый и объединяет результаты в единый отчёт.
Google открыла доступ 14 октября 2026 года, доступно 2 бесплатные проверки в неделю.
В этой статье мы разберём, что такое Deep Review, как работает его конвейер из 4 стадий, что показывают опубликованные результаты Google и как собрать подобный паттерн самостоятельно. Смотрите также наш гид по Gemini 3.1 Pro и курс Мультиагентные системы с LangGraph.
Коротко
Что такое Google Deep Review?
Google Deep Review — это агентная ИИ-система, которая даёт обратную связь и выполняет техническую верификацию длинных, сложных документов. Она делит документ на разделы, проверяет их параллельно и объединяет результаты в один отчёт.
Deep Review изначально создавалась для научных статей. Сейчас Google заявляет, что она подходит и для проектных документов, презентаций, а также юридических и финансовых документов. Ей можно пользоваться через Google Research Portal; анонс прозвучал на мероприятии Research@.
Возвращаясь к нашей аналогии, Deep Review — это команда плюс редактор. Она распределяет работу так, чтобы каждая часть получила внимательную проверку, а не одно беглое прочтение с первыми впечатлениями.
Зачем Google создала Deep Review?
ИИ удешевил написание документов, но проверка всё ещё медленная и дорогая. Google называет это узким местом валидации: информация генерируется быстрее, чем её можно строго проверить.
По данным Google, суммарные заявки на 3 ведущих ИИ-конференции (ICLR, NeurIPS и ICML) выросли примерно с 23 000 в 2023 до порядка 74 000 в 2026 году.
Число квалифицированных рецензентов за тот же период не утроилось. (Показатель 2026 частично оценочный, так как цифра по NeurIPS в статье Google — это прогноз.)
От Paper Assistant Tool к Deep Review
Deep Review начинался как Paper Assistant Tool (PAT). Google проводила пилоты на 4 конференциях по компьютерным наукам: STOC 2026, ICML 2026, NeurIPS 2026 и ICLR 2027.
Авторы могли по желанию получить приватную обратную связь по своей статье до дедлайна.
Через пилоты прошло более 16 000 статей.
Эта обратная связь была отделена от официального peer review и не влияла на принятие статьи.
Публичная версия добавляет поддержку Gemini 4 Argon, что, по словам Google, делает её сильнее, чем прежний PAT. Похожий паттерн Google также встроила в Antigravity, свою агентную среду для кодинга.
Паттерн Teamwork Deep Document Review запускается командой
/teamwork-preview.Как работает Deep Review?
Deep Review — это конвейер из 4 стадий: разбиение документа, выделение усилий на раздел, параллельная проверка разделов и объединение выводов.
Очевидный способ проверить статью LLM-моделью — вставить её целиком и попросить фидбек.
Это наш «друг с 10 минутами». Google приводит 3 причины, почему этого недостаточно:
Наша команда рецензентов следует тем же 4 шагам. Пройдёмся по каждому.
Стадия 1: Сегментация документа
Агент-сегментатор делит документ на логические части: введение, методы, эксперименты, доказательства и т. п.
Части могут пересекаться, но вместе они должны покрывать весь документ.
В аналогии это момент, когда команда распределяет главы до начала чтения. Ни одна часть не пропускается.
Стадия 2: Адаптивное распределение вычислительных ресурсов
Некоторые разделы проверять гораздо сложнее, чем другие.
Длинному математическому доказательству нужно больше вдумчивого анализа, чем разделу «Связанные работы», который в основном — список статей.
Deep Review оценивает плотность каждого фрагмента и выделяет более сложным больше ресурсов.
В статье Google описаны лёгкий, средний и высокий «треки размышления», при этом доказательства и теория получают высокий трек. Если вы видели у модели настройку «thinking», это та же идея, применённая отдельно к каждому разделу.
Стадия 3: Глубокая параллельная верификация
Далее агенты-рецензенты одновременно проверяют все разделы. Каждый фокусируется на своём разделе, но при этом видит весь документ.
Скажем, в разделе 5 используется результат из раздела 2.
Агент раздела 5 может вернуться и сверить соответствие. Модель, у которой перед глазами только раздел 5, не поймает такое несоответствие.
Стадия 4: Глобальный синтез и заземление
Наконец, агент синтеза выступает в роли редактора.
Он объединяет отчёты по разделам, убирает дубляжи, ищет противоречия между разделами и перепроверяет любые логические места, в которых не уверен.
Также запускаются проверки заземления по внешним источникам, включая Google Поиск, чтобы ловить галлюцинации — например, несуществующие статьи или теоремы.
Без этого шага рецензент мог бы уверенно помечать несуществующие проблемы и тратить ваше время.
Как собрать конвейер в стиле Deep Review на Python
Deep Review — это паттерн map-reduce из LLM-агентов: разделить работу, параллельно проверить части, затем объединить результаты. Простую версию можно собрать меньше чем в 80 строк.
В примере ниже используется Google Gen AI SDK с Gemini 3.1 Pro.
Параметр
thinking_levelпозволяет реализовать нашу версию Стадии 2.Не страшно, если вы не следите за каждой строкой. Важнее общая структура. Вот как она соотносится с 4 стадиями:
split_into_sections()— наш сегментатор (Стадия 1)thinking_level_for()— выбор усилий на раздел (Стадия 2)ThreadPoolExecutor— параллельный запуск рецензентов, при этом каждый видит весь документ (Стадия 3)merge_promptв конце — наш редактор (Стадия 4)Эта версия сильно упрощена. Нет агента-сегментатора, нет проверки через Google Поиск и нет повторной проверки спорных находок.
Зато она закрывает 2 из 3 проблем, которые перечисляет Google: нехватку «бюджета размышлений» и пропуск связей между разделами.
Есть и издержки.
Каждый вызов рецензента отправляет полный документ, поэтому расход токенов растёт с числом разделов.
Сплиттер также считает любою строку, начинающуюся с
#, заголовком, включая комментарии внутри кодовых блоков, так что сперва протестируйте на своих файлах.Как пользоваться Google Deep Review
Настройка занимает несколько минут, затем остаётся подождать, пока поработают агенты.
Первая проверка: настройка
Рисунок 1. Шаги запуска Deep Review — от входа до работы с обратной связью. Схема автора по материалам страницы Google Research о Deep Review.
Пара ограничений:
Чтение отчёта
Рисунок 2. Пример отчёта Google Deep Review, показанного рядом с рецензируемой статьёй. Источник: ScriptByAI, Deep Review: Google's AI Reviewer for Papers and Technical Documents.
Отчёт начинается с Overall Feedback — сводки, затем следует Detailed Feedback.
Подробные комментарии можно фильтровать по категориям: серьёзные замечания, мелкие правки и предложения; в каждом комментарии указаны раздел или страница.
Есть также режим комментариев и кнопка Copy Report для копирования всей рецензии в Markdown. Удобно вставлять в заметки и разбирать по пунктам.
Насколько точен Google Deep Review?
По данным Google, предшественник Deep Review — PAT — нашёл 89,7% ошибок в математике и компьютерных науках на бенчмарке SPOT против 55,2% у отдельно запущенного Gemini 3.1 Pro.
Цифры взяты из статьи о PAT, Towards Automating Scientific Review with Google's Paper Assistant Tool.
SPOT — бенчмарк, собранный из реальных ошибок в статьях, впоследствии отозванных или исправленных. Google тестировала PAT на математико-компьютерном подмножестве с ошибками в уравнениях и доказательствах: 26 статей, 29 ошибок.
Recall у PAT оказался примерно на 34 процентных пункта выше, чем у однократного вызова модели.
Есть две оговорки.
Во-первых, авторы использовали собственный грейдер, принимающий логически эквивалентные описания ошибки, поэтому напрямую сравнивать эти числа с исходным SPOT нельзя.
Во-вторых, в статье непоследовательность по модели: в тексте PAT описан как работающий на Gemini Deep Think, а в таблице результатов показатель 89,7% подписан как PAT с Gemini 3.1 Pro. В любом случае это не публичный Deep Review.
Обратная связь по пилотам тоже выглядит обнадёживающе.
Google опросила авторов из пилотов STOC и ICML — всего там проверили более 4700 заявок. Среди 857 респондентов (124 на STOC, 733 на ICML):
Последняя цифра особенно примечательна.
Запускать дополнительные эксперименты перед дедлайном — серьёзное решение, значит фидбек был убедительным.
Тем не менее все эти данные — от Google и от авторов, согласившихся участвовать; публичный Deep Review ещё никто независимо не проверял. Воспринимайте их как обнадёживающий сигнал, а не гарантию для ваших документов.
Как аналитикам данных использовать Deep Review?
Чтобы извлечь пользу из Deep Review, не нужно писать математические доказательства.
Многие тексты аналитиков и дата-сайентистов — это серия утверждений, подкреплённых числами. Именно это и проверяет Deep Review.
Вот несколько уместных сценариев:
Google описывает Deep Review как проверяющий рассуждения в документе. Про запуск вашего кода ничего не говорится, поэтому баг в пайплайне всё равно может привести к неверным, но внешне согласованным числам.
Хороший рабочий процесс может выглядеть так:
Чтобы использовать его в своих инструментах, есть Deep Review API — можно запускать проверки из кода, например в составе конвейера непрерывной интеграции (CI).
Вы подключаете свой ключ Gemini API, так что оплата идёт через ваш аккаунт Gemini API.
Стоимость зависит от длины документа и уровня рассуждений, поэтому сперва протестируйте на одном документе, прежде чем строить вокруг этого процесс.
Ограничения Google Deep Review
Главное ограничение: Deep Review может ошибаться в обе стороны.
В статье про PAT говорится о случаях, когда инструмент по ошибке помечал корректное доказательство как некорректное из-за сбоя в рассуждении; авторы отмечают, что работа продолжается.
Ещё один важный показатель — заземление.
Лишь 55,8% респондентов STOC и 64,8% ICML сочли фидбек в основном или полностью заземлённым, то есть примерно 35–44% не сочли его в основном заземлённым.
Проверяйте каждое серьёзное замечание по вашему документу, прежде чем действовать.
Кроме того, инструмент не выносит оценочных суждений.
Он не скажет, новая ли и интересная ваша идея, и не ранжирует статьи. Это по-прежнему задача авторов и рецензентов.
И вопрос приватности.
Google заявляет, что никогда не использует загруженные документы для обучения, дообучения или улучшения моделей, но хранит их 1 год, чтобы вы могли видеть их в интерфейсе.
Если вы работаете с материалами под NDA, дважды подумайте, прежде чем загружать.
Ещё несколько ограничений:
Итоги
Deep Review ближе к нашей команде рецензентов, чем к «другу на 10 минут». Лучший способ применения — ещё один проход по черновику перед отправкой, с вашей перепроверкой каждого серьёзного замечания.
Инструмент помечает и мнимые проблемы; он не оценивает новизну работы, а его точность ещё предстоит проверить независимым сообществом.
Главная ценность — дизайн. Разбить работу, уделить сложным местам больше усилий, проверить всё параллельно и объединить результаты — этот подход работает почти в любом агенте для длинных документов.
Если хотите собирать такие агенты, рекомендуем наш курс Мультиагентные системы с LangGraph.