Föreställ dig att du ger en vän en rapport på 40 sidor och frågar: "Kan du kolla efter misstag inom 10 minuter?"
De kommer troligen att hitta ett par stavfel och någon enstaka grammatiskt felaktig mening här och där. Skulle de märka att en siffra på sidan 3 inte stämmer med samma siffra på sidan 31? Troligen inte.
Ge nu samma rapport till ett team.
En person som är bra på matte tar ekvationerna, någon annan går igenom experimenten, alla får en kopia av hela rapporten, och en redaktör samlar deras anteckningar och dubbelkollar allt som ser fel ut.
Det teamet kommer att hitta mycket mer, inklusive den typ av misstag som faktiskt spelar roll.
Google Deep Review är den andra metoden som mjukvara. Det är ett agentiskt AI‑system från Google Research som granskar långa, komplexa dokument genom att dela upp dem i avsnitt, granska varje avsnitt parallellt och kombinera resultaten till en rapport.
I den här artikeln går jag igenom vad Deep Review är, hur dess fyrastegs‑pipeline fungerar, vad Googles publicerade resultat visar och hur du själv bygger samma mönster. Du kan också läsa vår guide till Gemini 3.1 Pro och vår kurs Multi‑Agent Systems with LangGraph.
I korthet
Deep Review delar upp ett dokument i avsnitt, ger svårare avsnitt mer beräkningsresurser, granskar varje avsnitt parallellt med hela dokumentet i vy och sammanfogar sedan resultaten och faktakontrollerar dem.
På en delmängd inom matematik och datavetenskap av SPOT‑benchmarken (26 artiklar, 29 fel) fångade Googles Paper Assistant Tool (PAT) 89,7% av felen, mot 55,2% för Gemini 3.1 Pro använt på egen hand.
Varje användare får 2 kostnadsfria granskningar per vecka. Det accepterar endast PDF:er och oformatterad text.
Alla noggrannhetssiffror kommer från Google och från författare som valt att delta. Ingen har oberoende testat den offentliga versionen ännu.
Det granskar resonemanget i ditt dokument, inte din kod, så ett pipeline‑fel kan fortfarande ge fel siffror som ser konsekventa ut.
Vad är Google Deep Review?
Google Deep Review är ett agentiskt AI‑system som ger feedback och teknisk validering på långa, komplexa dokument. Det delar upp ett dokument i avsnitt, kontrollerar varje avsnitt parallellt och kombinerar resultaten till en rapport.
Deep Review byggdes först för forskningsartiklar. Google säger nu att det även fungerar för designdokument, presentationer samt juridiska och finansiella dokument. Du kan använda det via Google Research Portal, och Google presenterade det på sitt Research@‑evenemang.
Åter till vår analogi: Deep Review är teamet plus redaktören. Det delar upp arbetet så att varje del får en noggrann genomgång, i stället för att läsa ditt dokument en gång och ge ett första intryck.
Varför byggde Google Deep Review?
AI har gjort det billigt att skriva dokument, men att granska dem är fortfarande långsamt och dyrt. Google kallar detta för valideringsflaskhalsen: information genereras snabbare än den kan granskas rigoröst.
Enligt Google ökade det totala antalet inskick till 3 stora AI‑konferenser (ICLR, NeurIPS och ICML) från cirka 23 000 år 2023 till ungefär 74 000 år 2026.
Antalet kvalificerade granskare tredubblades inte under samma period. (Siffran för 2026 är delvis uppskattad, eftersom NeurIPS‑antalet i Googles artikel är en prognos.)
Från Paper Assistant Tool till Deep Review
Deep Review började som Paper Assistant Tool (PAT). Google pilottestade det med 4 datavetenskapskonferenser: STOC 2026, ICML 2026, NeurIPS 2026 och ICLR 2027.
Författare kunde välja att delta och få privat feedback på sin artikel före deadline.
Mer än 16 000 artiklar gick igenom piloterna.
Feedbacken hölls åtskild från den officiella peer review‑processen, så den påverkade inte om en artikel accepterades.
Den offentliga versionen lägger till stöd för Gemini 4 Argon, vilket Google säger gör den starkare än den äldre PAT. Google har också byggt in ett relaterat mönster i Antigravity, deras agentbaserade kodmiljö.
Deep Review fungerar som en fyrastegs‑pipeline: den delar upp dokumentet, budgeterar insats per avsnitt, granskar avsnitten parallellt och sammanfogar fynden.
Det uppenbara sättet att granska en artikel med en stor språkmodell (LLM) är att klistra in hela saken och be om feedback.
Det är "vännen med 10 minuter" i vår analogi. Google ger tre skäl till att det inte räcker:
Modellen får slut på tänkarbudget innan den når de svåra delarna
Den missar beroenden mellan avlägsna avsnitt
Den accepterar nyanserade påståenden utan att granska dem
Vårt granskningsteam följer samma fyra steg som pipelinen. Låt oss gå igenom varje steg.
Steg 1: Dokumentssegmentering
En segmenterings‑agent delar upp dokumentet i logiska delar såsom introduktion, metoder, experiment och bevis.
Delarna kan överlappa, men tillsammans måste de täcka hela dokumentet.
I vår analogi är detta teamet som bestämmer vem som kontrollerar vilket kapitel innan någon börjar läsa. Ingen del av dokumentet hoppas över.
Steg 2: Adaptiv beräkningsbudget
Vissa avsnitt är mycket svårare att granska än andra.
Ett långt matematiskt bevis kräver betydligt mer noggrant tänkande än en "related work"‑sektion, som mestadels är en lista över andra artiklar.
Deep Review bedömer hur tätt varje del är och ger de svårare mer beräkningskraft.
Googles artikel beskriver lätta, medel och höga tänkspår, där bevis och teori får det höga spåret. Om du har använt en modell med en "thinking"‑inställning är det en liknande idé, applicerad separat på varje avsnitt.
Steg 3: Djup parallell verifiering
Nästa steg är att granskningsagenter kontrollerar alla avsnitt samtidigt. Varje agent fokuserar på sitt eget avsnitt, men alla agenter kan ändå se hela dokumentet.
Säg att avsnitt 5 använder ett resultat som togs fram i avsnitt 2.
Agenten som granskar avsnitt 5 kan gå tillbaka och se om de två stämmer överens. En modell som bara hade avsnitt 5 framför sig skulle inte ha en chans att upptäcka det.
Steg 4: Global syntes och grundning
Slutligen spelar en syntes‑agent rollen som vår redaktör.
Den kombinerar avsnittsrapporterna, tar bort dubbletter, letar efter motsägelser mellan avsnitten och kör om logikkontroller som den inte är säker på.
Den kör också grundningskontroller mot externa källor, inklusive Google Sök, för att fånga hallucinationer såsom artiklar eller teorem som inte finns.
Utan detta steg skulle granskaren självsäkert kunna flagga problem som inte är verkliga och slösa din tid.
Så bygger du en Deep Review‑liknande pipeline i Python
Deep Review är ett map‑reduce‑mönster byggt av LLM‑agenter: dela upp arbetet, kontrollera delarna parallellt och sätt sedan ihop resultaten. Du kan bygga en enkel version på under 80 rader.
Exemplet nedan använder Google Gen AI SDK med Gemini 3.1 Pro.
Dess inställning thinking_level ger oss ett sätt att bygga vår egen version av steg 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()))Drivs av
Oroa dig inte om du inte hänger med i varje rad. Helhetsstrukturen är viktigare än exakt kod. Så här mappar den mot de fyra stegen:
split_into_sections() är vår segmenterare (Steg 1)
thinking_level_for() bestämmer insatsen för varje avsnitt (Steg 2)
ThreadPoolExecutor kör granskarna parallellt, och varje får hela dokumentet (Steg 3)
merge_prompt i slutet är vår redaktör (Steg 4)
Den här versionen är mycket enklare än den riktiga. Det finns ingen segmenterings‑agent, ingen kontroll mot Google Sök och ingen andra genomgång av osäkra fynd.
Den adresserar 2 av de 3 problem som Google listar: att få slut på tänkarbudget och att missa kopplingar mellan avsnitt.
Den har också kostnader att hålla koll på.
Varje granskningsanrop bär med sig hela dokumentet, så tokenanvändningen växer med antalet avsnitt.
Delaren behandlar också alla rader som börjar med # som en rubrik, inklusive kommentarer inne i kodblock, så testa den på dina egna filer först.
Så använder du Google Deep Review
Att använda Deep Review kräver några minuters uppsättning, sedan en väntan medan agenterna arbetar.
Ställa in din första granskning
Figur 1: Stegen för att köra en Deep Review, från inloggning till att agera på feedbacken. Diagram av författaren, baserat på Google Researchs Deep Review‑sida.
Gå till Google Research Portal och öppna Deep Review.
Logga in med ditt Google‑konto.
Ladda upp en PDF eller klistra in oformatterad text.
Lägg eventuellt till anpassat sammanhang för att berätta vad den ska kontrollera, och ställ in granskningsdjup och tänkningsnivå. Kostnadsfria granskningar använder Medium för båda.
Starta granskningen. Google säger att det tar cirka 10 till 20 minuter, och längre dokument kan ta upp till 30.
Några begränsningar att känna till:
Du får 2 kostnadsfria granskningar varje vecka, och du behöver ingen API‑nyckel för dem.
PDF:er och oformatterad text är de enda accepterade formaten just nu.
Google säger att stöd för flera filer kommer snart, vilket skulle passa en artikel plus dess appendix.
Rapporten börjar med Övergripande feedback, en sammanfattning, och ger sedan Detaljerad feedback under.
Du kan filtrera de detaljerade kommentarerna till stora bekymmer, mindre korrigeringar och förslag, och varje kommentar namnger det avsnitt eller den sida den avser.
Det finns också en kommentarsvy och en Copy Report‑knapp som kopierar hela granskningen som Markdown. Det är praktiskt för att klistra in i dina anteckningar och arbeta igenom punkt för punkt.
Hur exakt är Google Deep Review?
Googles egna resultat visar att Deep Reviews föregångare, PAT, fångade 89,7% av fel inom matematik och datavetenskap på SPOT‑benchmarken, mot 55,2% för Gemini 3.1 Pro använt på egen hand.
SPOT är en benchmark byggd från verkliga misstag i artiklar som senare drogs tillbaka eller korrigerades. Google testade PAT på delmängden inom matematik och datavetenskap med ekvations‑ och bevisfel: 26 artiklar med 29 fel.
PAT:s recall var cirka 34 procentenheter högre än baseline med ett enda anrop.
Två förbehåll gäller.
För det första använde författarna sin egen bedömare, som accepterar logiskt likvärdiga beskrivningar av ett fel, så du kan inte jämföra dessa siffror direkt med de ursprungliga SPOT‑resultaten.
För det andra är artikeln inte konsekvent om modellen: texten beskriver PAT som drivs av Gemini Deep Think, medan resultattabellen märker siffran 89,7% som PAT med Gemini 3.1 Pro. Hur som helst är detta inte den offentliga Deep Review.
Feedbacken från piloterna ser också bra ut.
Google undersökte författare från STOC‑ och ICML‑piloterna, som tillsammans granskade mer än 4 700 inskick. Bland de 857 respondenterna (124 på STOC, 733 på ICML):
92,7% av STOC‑ och 90,7% av ICML‑respondenterna sa att feedbacken var mycket eller mestadels hjälpsam
Ungefär 1 av 10 STOC‑författare och mer än 1 av 3 ICML‑författare (35,4%) sa att den hittade ett betydande teori‑fel som tog över en timme att fixa
31% av ICML‑respondenterna körde nya experiment på grund av vad PAT berättade för dem
Den sista siffran stack ut för mig.
Att köra extra experiment precis före en deadline är mycket begärt, så feedbacken måste ha varit övertygande.
Ändå kommer alla dessa siffror från Google och från författare som valt att delta, och ingen har oberoende testat den offentliga Deep Review ännu. Se dem som en lovande signal, inte ett bevis på hur den kommer att prestera på dina egna dokument.
Hur kan data scientists använda Deep Review?
Du behöver inte skriva matematiska bevis för att ha nytta av Deep Review.
Mycket av det data scientists och analytiker skriver är en serie påståenden underbyggda av siffror, vilket är precis vad Deep Review är byggt för att kontrollera.
Här är några ställen där jag tycker att det är rimligt:
Dokument
Vad Deep Review kan hjälpa till att kontrollera
Analysrapporter
Om varje slutsats stöds av en siffra i rapporten
A/B‑test‑sammanställningar
Svaga statistiska påståenden, eller stickprovsstorlekar som ändras mellan avsnitt
ML‑designdokument
Ställen där arkitekturavsnittet och utvärderingsavsnittet inte stämmer överens
Notebook‑sammanställningar
Förklaringen kring dina resultat (exportera notebooken som PDF först)
Google beskriver Deep Review som att den kontrollerar resonemanget i ditt dokument. Den säger inget om att köra din kod, så ett fel i din pipeline kan fortfarande lämna dig med fel siffror som ser helt konsekventa ut.
Ett bra arbetsflöde ser ut så här:
Gör klart ett komplett utkast först. Att granska ett halvt dokument förbrukar en av dina 2 veckovisa granskningar.
Kör Deep Review och kontrollera varje större anmärkning själv innan du ändrar något.
Åtgärda det som visar sig vara ett verkligt problem och kör om den om du fortfarande har en granskning kvar.
För att använda den i dina egna verktyg låter Deep Review API dig köra granskningar från kod, till exempel som en del av en CI‑pipeline (continuous integration).
Du kopplar din egen Gemini API‑nyckel, så användningen debiteras via ditt Gemini API‑konto.
Kostnaden beror på dokumentlängd och resonemangsinsats, så testa på ett dokument innan du bygger något runt det.
Begränsningar i Google Deep Review
Den största begränsningen är att Deep Review kan ha fel i båda riktningar.
PAT‑artikeln säger att piloterna visade fall där verktyget felaktigt kallade ett korrekt bevis felaktigt på grund av ett resonemangsfel, och författarna säger att de fortfarande arbetar på det.
Grundningen är den andra siffran att hålla koll på.
Endast 55,8% av STOC‑respondenterna och 64,8% av ICML‑respondenterna sa att feedbacken var mestadels eller helt grundad, så ungefär 35% till 44% av respondenterna fann den inte mestadels grundad.
Kontrollera varje större anmärkning mot ditt dokument innan du agerar på den.
Det gör inte heller värderingsbedömningar.
Det kommer inte att säga om din idé är ny eller intressant, och det rankar inte artiklar. Den delen är fortfarande upp till dig och dina granskare.
Sen är det sekretessen.
Google säger att de aldrig använder uppladdade dokument för att träna, finjustera eller förbättra sina modeller, men att de sparar dem i 1 år så att du kan se dem i gränssnittet.
Om du arbetar med något under ett sekretessavtal (NDA) skulle jag tänka efter en gång till innan jag laddar upp det.
Några andra begränsningar:
Det är ett slutet system utan öppna vikter och utan möjlighet att drifta det själv, så du är helt beroende av Googles modeller
Det accepterar bara PDF:er och oformatterad text just nu
2 kostnadsfria granskningar i veckan går snabbt om du gör många ändringar i ett utkast
Varje noggrannhetssiffra hittills har kommit från Google
Avslutande tankar
Deep Review ligger närmare vårt granskningsteam än vännen med 10 minuter. Jag tycker att det bästa sättet att använda det är som ett sista varv över utkastet innan du skickar in, där du själv kontrollerar varje större anmärkning.
Det flaggar saker som inte är riktiga problem; det kan inte bedöma om ditt arbete är nyskapande, och dess noggrannhet behöver fortfarande testas av människor utanför Google.
Designen är delen värd att ta med sig. Att dela upp arbetet, ge de svåra delarna mer insats, kontrollera allt parallellt och sammanfoga resultaten fungerar i princip i vilken agent som helst som måste hantera långa dokument.
Ja, alla får 2 kostnadsfria granskningar per vecka. Om du behöver fler kan du koppla din egen Gemini API‑nyckel.
Vilka filtyper accepterar Deep Review?⌄
För närvarande bara PDF:er och oformatterad text. Google säger att stöd för flera filer kommer snart.
Tränar Google sina modeller på mina dokument?⌄
Nej. Google säger att uppladdade dokument aldrig används för att träna, finjustera eller förbättra deras modeller. De lagras i 1 år så att du kan visa dem i Deep Review‑gränssnittet.
Finns det ett Deep Review API?⌄
Ja. Deep Review API körs på din egen Gemini API‑nyckel, så du kan köra granskningar från din egen kod, till exempel i en CI‑pipeline.
Hur lång tid tar en Deep Review?⌄
Google säger cirka 10 till 20 minuter per dokument. Längre dokument med mycket matematik får mer beräkning, så de kan ta upp till 30 minuter.
Hur exakt är Google Deep Review?⌄
På en delmängd inom matematik och datavetenskap av SPOT‑benchmarken fångade Googles föregångarverktyg PAT 89,7% av felen, mot 55,2% för enbart Gemini 3.1 Pro. Dessa resultat kommer från Google och har inte oberoende testats på den offentliga Deep Review.
Föreställ dig att du ger en vän en rapport på 40 sidor och frågar: "Kan du kolla efter misstag inom 10 minuter?"
De kommer troligen att hitta ett par stavfel och någon enstaka grammatiskt felaktig mening här och där. Skulle de märka att en siffra på sidan 3 inte stämmer med samma siffra på sidan 31? Troligen inte.
Ge nu samma rapport till ett team.
En person som är bra på matte tar ekvationerna, någon annan går igenom experimenten, alla får en kopia av hela rapporten, och en redaktör samlar deras anteckningar och dubbelkollar allt som ser fel ut.
Det teamet kommer att hitta mycket mer, inklusive den typ av misstag som faktiskt spelar roll.
Google Deep Review är den andra metoden som mjukvara. Det är ett agentiskt AI‑system från Google Research som granskar långa, komplexa dokument genom att dela upp dem i avsnitt, granska varje avsnitt parallellt och kombinera resultaten till en rapport.
Google öppnade det för allmänheten den 14 oktober 2026, med 2 kostnadsfria granskningar per vecka.
I den här artikeln går jag igenom vad Deep Review är, hur dess fyrastegs‑pipeline fungerar, vad Googles publicerade resultat visar och hur du själv bygger samma mönster. Du kan också läsa vår guide till Gemini 3.1 Pro och vår kurs Multi‑Agent Systems with LangGraph.
I korthet
Vad är Google Deep Review?
Google Deep Review är ett agentiskt AI‑system som ger feedback och teknisk validering på långa, komplexa dokument. Det delar upp ett dokument i avsnitt, kontrollerar varje avsnitt parallellt och kombinerar resultaten till en rapport.
Deep Review byggdes först för forskningsartiklar. Google säger nu att det även fungerar för designdokument, presentationer samt juridiska och finansiella dokument. Du kan använda det via Google Research Portal, och Google presenterade det på sitt Research@‑evenemang.
Åter till vår analogi: Deep Review är teamet plus redaktören. Det delar upp arbetet så att varje del får en noggrann genomgång, i stället för att läsa ditt dokument en gång och ge ett första intryck.
Varför byggde Google Deep Review?
AI har gjort det billigt att skriva dokument, men att granska dem är fortfarande långsamt och dyrt. Google kallar detta för valideringsflaskhalsen: information genereras snabbare än den kan granskas rigoröst.
Enligt Google ökade det totala antalet inskick till 3 stora AI‑konferenser (ICLR, NeurIPS och ICML) från cirka 23 000 år 2023 till ungefär 74 000 år 2026.
Antalet kvalificerade granskare tredubblades inte under samma period. (Siffran för 2026 är delvis uppskattad, eftersom NeurIPS‑antalet i Googles artikel är en prognos.)
Från Paper Assistant Tool till Deep Review
Deep Review började som Paper Assistant Tool (PAT). Google pilottestade det med 4 datavetenskapskonferenser: STOC 2026, ICML 2026, NeurIPS 2026 och ICLR 2027.
Författare kunde välja att delta och få privat feedback på sin artikel före deadline.
Mer än 16 000 artiklar gick igenom piloterna.
Feedbacken hölls åtskild från den officiella peer review‑processen, så den påverkade inte om en artikel accepterades.
Den offentliga versionen lägger till stöd för Gemini 4 Argon, vilket Google säger gör den starkare än den äldre PAT. Google har också byggt in ett relaterat mönster i Antigravity, deras agentbaserade kodmiljö.
Teamwork Deep Document Review Pattern körs med kommandot
/teamwork-preview.Hur fungerar Deep Review?
Deep Review fungerar som en fyrastegs‑pipeline: den delar upp dokumentet, budgeterar insats per avsnitt, granskar avsnitten parallellt och sammanfogar fynden.
Det uppenbara sättet att granska en artikel med en stor språkmodell (LLM) är att klistra in hela saken och be om feedback.
Det är "vännen med 10 minuter" i vår analogi. Google ger tre skäl till att det inte räcker:
Vårt granskningsteam följer samma fyra steg som pipelinen. Låt oss gå igenom varje steg.
Steg 1: Dokumentssegmentering
En segmenterings‑agent delar upp dokumentet i logiska delar såsom introduktion, metoder, experiment och bevis.
Delarna kan överlappa, men tillsammans måste de täcka hela dokumentet.
I vår analogi är detta teamet som bestämmer vem som kontrollerar vilket kapitel innan någon börjar läsa. Ingen del av dokumentet hoppas över.
Steg 2: Adaptiv beräkningsbudget
Vissa avsnitt är mycket svårare att granska än andra.
Ett långt matematiskt bevis kräver betydligt mer noggrant tänkande än en "related work"‑sektion, som mestadels är en lista över andra artiklar.
Deep Review bedömer hur tätt varje del är och ger de svårare mer beräkningskraft.
Googles artikel beskriver lätta, medel och höga tänkspår, där bevis och teori får det höga spåret. Om du har använt en modell med en "thinking"‑inställning är det en liknande idé, applicerad separat på varje avsnitt.
Steg 3: Djup parallell verifiering
Nästa steg är att granskningsagenter kontrollerar alla avsnitt samtidigt. Varje agent fokuserar på sitt eget avsnitt, men alla agenter kan ändå se hela dokumentet.
Säg att avsnitt 5 använder ett resultat som togs fram i avsnitt 2.
Agenten som granskar avsnitt 5 kan gå tillbaka och se om de två stämmer överens. En modell som bara hade avsnitt 5 framför sig skulle inte ha en chans att upptäcka det.
Steg 4: Global syntes och grundning
Slutligen spelar en syntes‑agent rollen som vår redaktör.
Den kombinerar avsnittsrapporterna, tar bort dubbletter, letar efter motsägelser mellan avsnitten och kör om logikkontroller som den inte är säker på.
Den kör också grundningskontroller mot externa källor, inklusive Google Sök, för att fånga hallucinationer såsom artiklar eller teorem som inte finns.
Utan detta steg skulle granskaren självsäkert kunna flagga problem som inte är verkliga och slösa din tid.
Så bygger du en Deep Review‑liknande pipeline i Python
Deep Review är ett map‑reduce‑mönster byggt av LLM‑agenter: dela upp arbetet, kontrollera delarna parallellt och sätt sedan ihop resultaten. Du kan bygga en enkel version på under 80 rader.
Exemplet nedan använder Google Gen AI SDK med Gemini 3.1 Pro.
Dess inställning
thinking_levelger oss ett sätt att bygga vår egen version av steg 2.Oroa dig inte om du inte hänger med i varje rad. Helhetsstrukturen är viktigare än exakt kod. Så här mappar den mot de fyra stegen:
split_into_sections()är vår segmenterare (Steg 1)thinking_level_for()bestämmer insatsen för varje avsnitt (Steg 2)ThreadPoolExecutorkör granskarna parallellt, och varje får hela dokumentet (Steg 3)merge_prompti slutet är vår redaktör (Steg 4)Den här versionen är mycket enklare än den riktiga. Det finns ingen segmenterings‑agent, ingen kontroll mot Google Sök och ingen andra genomgång av osäkra fynd.
Den adresserar 2 av de 3 problem som Google listar: att få slut på tänkarbudget och att missa kopplingar mellan avsnitt.
Den har också kostnader att hålla koll på.
Varje granskningsanrop bär med sig hela dokumentet, så tokenanvändningen växer med antalet avsnitt.
Delaren behandlar också alla rader som börjar med
#som en rubrik, inklusive kommentarer inne i kodblock, så testa den på dina egna filer först.Så använder du Google Deep Review
Att använda Deep Review kräver några minuters uppsättning, sedan en väntan medan agenterna arbetar.
Ställa in din första granskning
Figur 1: Stegen för att köra en Deep Review, från inloggning till att agera på feedbacken. Diagram av författaren, baserat på Google Researchs Deep Review‑sida.
Några begränsningar att känna till:
Läsa rapporten
Figur 2: Exempel på en Google Deep Review‑rapport, visad bredvid artikeln den granskade. Bild hämtad från: ScriptByAI, Deep Review: Google's AI Reviewer for Papers and Technical Documents.
Rapporten börjar med Övergripande feedback, en sammanfattning, och ger sedan Detaljerad feedback under.
Du kan filtrera de detaljerade kommentarerna till stora bekymmer, mindre korrigeringar och förslag, och varje kommentar namnger det avsnitt eller den sida den avser.
Det finns också en kommentarsvy och en Copy Report‑knapp som kopierar hela granskningen som Markdown. Det är praktiskt för att klistra in i dina anteckningar och arbeta igenom punkt för punkt.
Hur exakt är Google Deep Review?
Googles egna resultat visar att Deep Reviews föregångare, PAT, fångade 89,7% av fel inom matematik och datavetenskap på SPOT‑benchmarken, mot 55,2% för Gemini 3.1 Pro använt på egen hand.
Siffrorna kommer från PAT‑artikeln, Towards Automating Scientific Review with Google's Paper Assistant Tool.
SPOT är en benchmark byggd från verkliga misstag i artiklar som senare drogs tillbaka eller korrigerades. Google testade PAT på delmängden inom matematik och datavetenskap med ekvations‑ och bevisfel: 26 artiklar med 29 fel.
PAT:s recall var cirka 34 procentenheter högre än baseline med ett enda anrop.
Två förbehåll gäller.
För det första använde författarna sin egen bedömare, som accepterar logiskt likvärdiga beskrivningar av ett fel, så du kan inte jämföra dessa siffror direkt med de ursprungliga SPOT‑resultaten.
För det andra är artikeln inte konsekvent om modellen: texten beskriver PAT som drivs av Gemini Deep Think, medan resultattabellen märker siffran 89,7% som PAT med Gemini 3.1 Pro. Hur som helst är detta inte den offentliga Deep Review.
Feedbacken från piloterna ser också bra ut.
Google undersökte författare från STOC‑ och ICML‑piloterna, som tillsammans granskade mer än 4 700 inskick. Bland de 857 respondenterna (124 på STOC, 733 på ICML):
Den sista siffran stack ut för mig.
Att köra extra experiment precis före en deadline är mycket begärt, så feedbacken måste ha varit övertygande.
Ändå kommer alla dessa siffror från Google och från författare som valt att delta, och ingen har oberoende testat den offentliga Deep Review ännu. Se dem som en lovande signal, inte ett bevis på hur den kommer att prestera på dina egna dokument.
Hur kan data scientists använda Deep Review?
Du behöver inte skriva matematiska bevis för att ha nytta av Deep Review.
Mycket av det data scientists och analytiker skriver är en serie påståenden underbyggda av siffror, vilket är precis vad Deep Review är byggt för att kontrollera.
Här är några ställen där jag tycker att det är rimligt:
Google beskriver Deep Review som att den kontrollerar resonemanget i ditt dokument. Den säger inget om att köra din kod, så ett fel i din pipeline kan fortfarande lämna dig med fel siffror som ser helt konsekventa ut.
Ett bra arbetsflöde ser ut så här:
För att använda den i dina egna verktyg låter Deep Review API dig köra granskningar från kod, till exempel som en del av en CI‑pipeline (continuous integration).
Du kopplar din egen Gemini API‑nyckel, så användningen debiteras via ditt Gemini API‑konto.
Kostnaden beror på dokumentlängd och resonemangsinsats, så testa på ett dokument innan du bygger något runt det.
Begränsningar i Google Deep Review
Den största begränsningen är att Deep Review kan ha fel i båda riktningar.
PAT‑artikeln säger att piloterna visade fall där verktyget felaktigt kallade ett korrekt bevis felaktigt på grund av ett resonemangsfel, och författarna säger att de fortfarande arbetar på det.
Grundningen är den andra siffran att hålla koll på.
Endast 55,8% av STOC‑respondenterna och 64,8% av ICML‑respondenterna sa att feedbacken var mestadels eller helt grundad, så ungefär 35% till 44% av respondenterna fann den inte mestadels grundad.
Kontrollera varje större anmärkning mot ditt dokument innan du agerar på den.
Det gör inte heller värderingsbedömningar.
Det kommer inte att säga om din idé är ny eller intressant, och det rankar inte artiklar. Den delen är fortfarande upp till dig och dina granskare.
Sen är det sekretessen.
Google säger att de aldrig använder uppladdade dokument för att träna, finjustera eller förbättra sina modeller, men att de sparar dem i 1 år så att du kan se dem i gränssnittet.
Om du arbetar med något under ett sekretessavtal (NDA) skulle jag tänka efter en gång till innan jag laddar upp det.
Några andra begränsningar:
Avslutande tankar
Deep Review ligger närmare vårt granskningsteam än vännen med 10 minuter. Jag tycker att det bästa sättet att använda det är som ett sista varv över utkastet innan du skickar in, där du själv kontrollerar varje större anmärkning.
Det flaggar saker som inte är riktiga problem; det kan inte bedöma om ditt arbete är nyskapande, och dess noggrannhet behöver fortfarande testas av människor utanför Google.
Designen är delen värd att ta med sig. Att dela upp arbetet, ge de svåra delarna mer insats, kontrollera allt parallellt och sammanfoga resultaten fungerar i princip i vilken agent som helst som måste hantera långa dokument.
Om du är sugen på att bygga sådana agenter rekommenderar jag att du kollar in vår kurs Multi‑Agent Systems with LangGraph.