Chuyển đến nội dung chính

Google Deep Review Explained

Google Deep Review checks long documents with parallel AI agents. See how it works, its SPOT results, and how to use it for free.
Vaibhav Mehra
Vaibhav Mehra

Tạo tài khoản miễn phí của bạn

Luyện tập và Lộ trình tiến trình của bạn.

Tiếp tục với GoogleBằng cách tiếp tục, bạn chấp nhận Điều khoản sử dụng, Chính sách quyền riêng tư và việc dữ liệu của bạn được lưu trữ tại Hoa Kỳ.

Hãy tưởng tượng bạn đưa cho một người bạn bản báo cáo dài 40 trang và hỏi: "Bạn có thể kiểm tra lỗi trong 10 phút tới không?"

Họ có thể sẽ tìm được vài lỗi chính tả và một số câu sai ngữ pháp. Nhưng liệu họ có nhận ra một con số ở trang 3 không khớp với con số giống hệt ở trang 31? Có lẽ là không.

Bây giờ hãy đưa cùng bản báo cáo đó cho cả một nhóm.

Một người giỏi toán xử lý phần phương trình, người khác xem các thí nghiệm, mọi người đều có bản đầy đủ, và một biên tập viên tổng hợp toàn bộ ghi chú của họ rồi kiểm tra lại những chỗ đáng ngờ.

Nhóm đó sẽ phát hiện được nhiều hơn, bao gồm cả những lỗi thật sự quan trọng.

Google Deep Review chính là cách tiếp cận thứ hai dưới dạng phần mềm. Đây là một hệ thống AI có tính tác nhân (agentic) của Google Research, kiểm tra các tài liệu dài và phức tạp bằng cách chia chúng thành các phần, rà soát từng phần song song, rồi tổng hợp kết quả thành một báo cáo.

Google đã mở công cụ này cho công chúng vào ngày 14 tháng 10, 2026, với 2 lượt đánh giá miễn phí mỗi tuần.

Trong bài viết này, tôi sẽ trình bày Deep Review là gì, quy trình 4 giai đoạn hoạt động ra sao, các kết quả mà Google công bố cho thấy điều gì, và cách bạn có thể tự xây dựng mẫu này. Bạn cũng có thể xem hướng dẫn về Gemini 3.1 Pro và khóa học Hệ thống đa tác nhân với LangGraph của chúng tôi.

Tóm lược nhanh

  • Deep Review chia tài liệu thành các phần, phân bổ nhiều tài nguyên tính toán hơn cho phần khó, đánh giá từng phần song song trong khi vẫn nhìn thấy toàn bộ tài liệu, rồi hợp nhất và kiểm chứng lại các phát hiện.
  • Trên một tập con toán học và khoa học máy tính của bộ chuẩn SPOT (26 bài, 29 lỗi), Paper Assistant Tool (PAT) của Google phát hiện 89,7% lỗi, so với 55,2% khi chỉ dùng Gemini 3.1 Pro đơn lẻ.
  • Mỗi người dùng có 2 lượt đánh giá miễn phí mỗi tuần. Hiện chỉ chấp nhận PDF và văn bản thuần.
  • Tất cả các con số độ chính xác do Google và các tác giả tự nguyện tham gia cung cấp. Chưa có ai kiểm thử độc lập phiên bản công khai.
  • Công cụ kiểm tra lập luận trong tài liệu của bạn, chứ không chạy mã của bạn, nên lỗi trong pipeline vẫn có thể tạo ra các con số sai nhưng trông có vẻ nhất quán.

Google Deep Review là gì?

Google Deep Review là một hệ thống AI có tính tác nhân cung cấp phản hồi và kiểm chứng kỹ thuật cho các tài liệu dài, phức tạp. Nó chia tài liệu thành các phần, kiểm tra từng phần song song, rồi tổng hợp kết quả thành một báo cáo.

Deep Review ban đầu được xây dựng cho các bài báo nghiên cứu. Google hiện cho biết nó cũng hoạt động với tài liệu thiết kế, bài thuyết trình, và tài liệu pháp lý cũng như tài chính. Bạn có thể sử dụng qua Google Research Portal, và Google đã công bố tại sự kiện Research@.

Quay lại với phép so sánh lúc đầu, Deep Review là cả đội ngũ cộng với biên tập viên. Nó chia nhỏ công việc để mỗi phần đều được xem xét kỹ, thay vì đọc lướt một lần rồi đưa ấn tượng ban đầu.

Vì sao Google xây dựng Deep Review?

AI đã khiến việc viết tài liệu trở nên rẻ, nhưng việc kiểm tra vẫn chậm và tốn kém. Google gọi đây là nút thắt xác thực: thông tin được tạo ra nhanh hơn khả năng được rà soát chặt chẽ.

Theo Google, tổng số bài gửi đến 3 hội nghị AI lớn (ICLR, NeurIPS và ICML) tăng từ khoảng 23.000 vào năm 2023 lên khoảng 74.000 vào năm 2026.

Số lượng người phản biện đủ năng lực không tăng gấp ba trong cùng giai đoạn. (Con số 2026 một phần là ước tính, vì số liệu NeurIPS trong bài của Google là dự báo.)

Từ Paper Assistant Tool đến Deep Review

Deep Review khởi đầu là Paper Assistant Tool (PAT). Google đã thí điểm tại 4 hội nghị khoa học máy tính: STOC 2026, ICML 2026, NeurIPS 2026 và ICLR 2027.

Các tác giả có thể tự nguyện tham gia để nhận phản hồi riêng tư về bài báo trước hạn nộp.

Hơn 16.000 bài đã tham gia các đợt thí điểm.

Phản hồi này tách biệt với quy trình phản biện chính thức, nên không ảnh hưởng đến việc bài có được chấp nhận hay không.

Phiên bản công khai bổ sung hỗ trợ cho Gemini 4 Argon, mà Google nói giúp nó mạnh hơn PAT cũ. Google cũng đã xây dựng một mẫu liên quan trong Antigravity, môi trường lập trình dựa trên tác nhân của họ.

Mẫu Teamwork Deep Document Review chạy với lệnh /teamwork-preview.

Deep Review hoạt động như thế nào?

Deep Review vận hành theo quy trình 4 giai đoạn: chia tài liệu, phân bổ công sức theo từng phần, đánh giá song song, và hợp nhất phát hiện.

Cách hiển nhiên để phản biện một bài bằng mô hình ngôn ngữ lớn (LLM) là dán toàn bộ văn bản vào và yêu cầu phản hồi.

Đó chính là "người bạn với 10 phút" trong phép so sánh. Google đưa ra 3 lý do khiến cách này hụt hơi:

  • Mô hình hết ngân sách suy luận trước khi đến các phần khó
  • Bỏ lỡ các phụ thuộc giữa những phần cách xa nhau
  • Chấp nhận các khẳng định tinh vi mà không soi kỹ

Đội ngũ phản biện của chúng ta làm theo đúng 4 bước của pipeline. Hãy đi qua từng giai đoạn.

Giai đoạn 1: Phân đoạn tài liệu

Một tác nhân phân đoạn chia tài liệu thành các phần logic như mở đầu, phương pháp, thí nghiệm và chứng minh.

Các phần có thể chồng lấn, nhưng gộp lại phải bao phủ toàn bộ tài liệu.

Trong phép so sánh, đây là lúc cả đội quyết định ai kiểm tra chương nào trước khi ai đó bắt đầu đọc. Không phần nào bị bỏ sót.

Giai đoạn 2: Phân bổ tính toán thích ứng

Một số phần khó kiểm tra hơn nhiều so với phần khác.

Một chứng minh toán học dài đòi hỏi suy xét kỹ lưỡng hơn nhiều so với phần tổng quan nghiên cứu liên quan, vốn chủ yếu là danh sách các bài khác.

Deep Review đánh giá mức độ dày đặc của từng phần và phân bổ nhiều tài nguyên tính toán hơn cho phần khó.

Bài báo của Google mô tả các chế độ suy luận nhẹ, trung bình và cao, trong đó phần chứng minh và lý thuyết dùng chế độ cao. Nếu bạn từng dùng một mô hình có thiết lập "thinking", ý tưởng tương tự được áp dụng riêng cho từng phần.

Giai đoạn 3: Kiểm chứng sâu song song

Tiếp theo, các tác nhân phản biện kiểm tra tất cả các phần cùng lúc. Mỗi tác nhân tập trung vào phần của mình, nhưng vẫn có thể nhìn thấy toàn bộ tài liệu.

Giả sử Phần 5 dùng một kết quả đã được triển khai ở Phần 2.

Tác nhân kiểm tra Phần 5 có thể quay lại xem chúng có khớp nhau không. Một mô hình chỉ nhìn thấy Phần 5 thì không có cơ hội bắt được điều đó.

Giai đoạn 4: Tổng hợp và đối chiếu toàn cục

Cuối cùng, một tác nhân tổng hợp đóng vai biên tập viên.

Nó hợp nhất các báo cáo theo phần, loại bỏ nhận xét trùng lặp, tìm mâu thuẫn giữa các phần, và chạy lại các kiểm tra logic mà nó chưa chắc chắn.

Nó cũng chạy các kiểm tra đối chiếu nguồn với các nguồn bên ngoài, bao gồm Google Search, để bắt các ảo giác như những bài báo hay định lý không tồn tại.

Nếu thiếu bước này, công cụ có thể tự tin gắn cờ các vấn đề không có thật và làm bạn tốn thời gian.

Xây dựng pipeline kiểu Deep Review bằng Python

Deep Review là một mẫu map-reduce dựng từ các tác nhân LLM: chia nhỏ công việc, kiểm tra từng phần song song, rồi ghép kết quả lại. Bạn có thể xây dựng một phiên bản đơn giản dưới 80 dòng.

Ví dụ dưới đây dùng Google Gen AI SDK với Gemini 3.1 Pro.

Thiết lập thinking_level cho phép chúng ta tự xây phiên bản Giai đoạn 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"


def split_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


def thinking_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


def review_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


def deep_review_lite(full_doc):
    sections = split_into_sections(full_doc)

    # Map step: review every section in parallel
    with 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__":
    with open("my_report.md", encoding="utf-8") as f:
        print(deep_review_lite(f.read()))

Đừng lo nếu bạn không theo được từng dòng. Cấu trúc tổng thể quan trọng hơn chi tiết mã. Đây là cách nó khớp với 4 giai đoạn:

  • split_into_sections() là bộ phân đoạn (Giai đoạn 1)
  • thinking_level_for() quyết định mức công sức cho từng phần (Giai đoạn 2)
  • ThreadPoolExecutor chạy các bộ phản biện song song, và mỗi bộ đều có toàn bộ tài liệu (Giai đoạn 3)
  • merge_prompt ở cuối là vai biên tập (Giai đoạn 4)

Phiên bản này đơn giản hơn nhiều so với công cụ thật. Không có tác nhân phân đoạn, không đối chiếu với Google Search, và không rà soát lại các phát hiện chưa chắc chắn.

Nó giải quyết được 2 trong 3 vấn đề Google nêu: cạn ngân sách suy luận và bỏ lỡ các kết nối giữa các phần.

Nó cũng đi kèm chi phí cần lưu ý.

Mỗi lần gọi bộ phản biện đều mang theo toàn bộ tài liệu, nên số token tăng theo số phần.

Bộ chia coi mọi dòng bắt đầu bằng # là tiêu đề, bao gồm cả chú thích trong khối mã, nên hãy thử với tệp của riêng bạn trước.

Cách sử dụng Google Deep Review

Sử dụng Deep Review cần vài phút thiết lập, rồi chờ các tác nhân làm việc.

Thiết lập lần đánh giá đầu tiên

Sáu bước để chạy một lượt Deep Review, từ đăng nhập đến hành động theo phản hồi

Hình 1: Các bước để chạy một lượt Deep Review, từ đăng nhập đến hành động theo phản hồi. Sơ đồ của tác giả, dựa trên trang Deep Review của Google Research.

  1. Truy cập Google Research Portal và mở Deep Review.
  2. Đăng nhập bằng tài khoản Google của bạn.
  3. Tải lên PDF hoặc dán văn bản thuần.
  4. Tùy chọn, thêm ngữ cảnh tùy chỉnh để cho biết cần kiểm tra gì, và đặt độ sâu đánh giá cùng mức suy luận. Lượt miễn phí dùng Trung bình cho cả hai.
  5. Bắt đầu đánh giá. Google cho biết mất khoảng 10 đến 20 phút, và tài liệu dài có thể mất tới 30 phút.

Một vài giới hạn cần biết:

  • Bạn có 2 lượt đánh giá miễn phí mỗi tuần, và không cần API key cho các lượt này.
  • Hiện chỉ chấp nhận PDF và văn bản thuần.
  • Google nói sắp hỗ trợ nhiều tệp, phù hợp với bài báo kèm phụ lục.

Đọc báo cáo

Một báo cáo Deep Review hiển thị cạnh bài DeepSeek-V4.1-Flash, gồm tóm tắt cấp cao và điểm mạnh

Hình 2: Ví dụ báo cáo Google Deep Review, hiển thị cạnh bài mà nó đã đánh giá. Ảnh lấy từ: ScriptByAI, Deep Review: Trình phản biện AI của Google cho bài báo và tài liệu kỹ thuật.

Báo cáo bắt đầu với Phản hồi tổng quan, một bản tóm tắt, rồi tới Phản hồi chi tiết bên dưới.

Bạn có thể lọc nhận xét chi tiết thành mối quan ngại lớn, chỉnh sửa nhỏ và gợi ý; mỗi nhận xét đều nêu rõ phần hoặc trang liên quan.

Cũng có chế độ xem nhận xét và nút Copy Report để sao chép toàn bộ đánh giá dưới dạng Markdown. Rất tiện để dán vào ghi chú và xử lý lần lượt từng mục.

Google Deep Review chính xác đến mức nào?

Kết quả do Google công bố cho thấy công cụ tiền thân của Deep Review, PAT, phát hiện 89,7% lỗi toán và khoa học máy tính trên bộ chuẩn SPOT, so với 55,2% khi chỉ dùng Gemini 3.1 Pro.

Các con số này đến từ bài báo về PAT, Towards Automating Scientific Review with Google's Paper Assistant Tool.

SPOT là bộ chuẩn được xây dựng từ các lỗi thực tế trong những bài sau đó bị rút lại hoặc đính chính. Google kiểm thử PAT trên tập con toán và khoa học máy tính có lỗi phương trình và chứng minh: 26 bài với 29 lỗi.

Recall của PAT cao hơn khoảng 34 điểm phần trăm so với đường cơ sở gọi đơn lẻ.

Có hai lưu ý.

Thứ nhất, các tác giả dùng bộ chấm điểm riêng, chấp nhận các mô tả logic tương đương về một lỗi, nên không thể so trực tiếp các con số này với kết quả SPOT gốc.

Thứ hai, bài báo không nhất quán về mô hình: phần văn bản mô tả PAT chạy bằng Gemini Deep Think, trong khi bảng kết quả gán con số 89,7% cho PAT với Gemini 3.1 Pro. Dù thế nào, đây cũng không phải phiên bản Deep Review công khai.

Phản hồi từ thí điểm cũng tích cực.

Google khảo sát các tác giả từ thí điểm STOC và ICML, tổng cộng hơn 4.700 bài được đánh giá. Trong số 857 người phản hồi (124 tại STOC, 733 tại ICML):

  • 92,7% tại STOC và 90,7% tại ICML nói phản hồi rất hữu ích hoặc chủ yếu hữu ích
  • Khoảng 1/10 tác giả STOC và hơn 1/3 tác giả ICML (35,4%) nói công cụ tìm ra lỗi lý thuyết nghiêm trọng mất hơn một giờ để sửa
  • 31% người trả lời tại ICML chạy thêm thí nghiệm nhờ những gì PAT chỉ ra

Con số cuối khiến tôi chú ý.

Chạy thêm thí nghiệm ngay trước hạn nộp là một yêu cầu lớn, nên hẳn phản hồi phải đủ thuyết phục.

Dù vậy, tất cả các con số này đến từ Google và từ các tác giả tự nguyện tham gia, và chưa ai kiểm thử độc lập Deep Review công khai. Hãy coi đó là tín hiệu hứa hẹn, không phải bằng chứng về hiệu quả trên tài liệu của riêng bạn.

Nhà khoa học dữ liệu có thể dùng Deep Review thế nào?

Bạn không cần viết chứng minh toán học để thấy Deep Review hữu ích.

Phần lớn những gì nhà khoa học dữ liệu và nhà phân tích viết là chuỗi luận điểm được hậu thuẫn bởi con số, và đó chính là thứ Deep Review được xây để kiểm tra.

Dưới đây là vài trường hợp tôi nghĩ hợp lý:

Tài liệuDeep Review có thể giúp kiểm tra gì
Báo cáo phân tíchMỗi kết luận có được hỗ trợ bởi một con số trong báo cáo hay không
Bản viết kết quả A/B testCác khẳng định thống kê yếu, hoặc kích thước mẫu thay đổi giữa các phần
Tài liệu thiết kế MLNơi phần kiến trúc và phần đánh giá không khớp nhau
Bản tường thuật notebookPhần giải thích quanh kết quả của bạn (hãy xuất notebook ra PDF trước)

Google mô tả Deep Review là kiểm tra lập luận trong tài liệu của bạn. Không thấy nói về chạy mã của bạn, nên lỗi trong pipeline vẫn có thể để lại các con số sai nhưng trông hoàn toàn nhất quán.

Một quy trình tốt trông như sau:

  1. Hoàn thành một bản nháp đầy đủ trước. Đánh giá nửa vời một tài liệu vẫn tính là một trong 2 lượt hàng tuần của bạn.
  2. Chạy Deep Review và tự bạn kiểm tra mọi mối quan ngại lớn trước khi thay đổi bất cứ thứ gì.
  3. Sửa những gì thực sự là vấn đề, và chạy lại nếu bạn còn lượt.

Để dùng trong công cụ riêng, API Deep Review cho phép bạn chạy đánh giá từ mã, ví dụ như một phần của pipeline tích hợp liên tục (CI).

Bạn kết nối API key Gemini của riêng mình, nên chi phí được tính qua tài khoản Gemini API của bạn.

Chi phí phụ thuộc vào độ dài tài liệu và mức suy luận, nên hãy thử trên một tài liệu trước khi xây dựng xung quanh nó.

Hạn chế của Google Deep Review

Hạn chế lớn nhất là Deep Review có thể sai theo cả hai hướng.

Bài báo về PAT cho biết thí điểm xuất hiện trường hợp công cụ đánh dấu sai một chứng minh đúng là sai do lỗi suy luận, và các tác giả nói họ vẫn đang khắc phục.

Độ đối chiếu nguồn là con số khác cần theo dõi.

Chỉ 55,8% người trả lời tại STOC và 64,8% tại ICML nói phản hồi chủ yếu hoặc hoàn toàn có đối chiếu, vậy khoảng 35% đến 44% không thấy nó chủ yếu có đối chiếu.

Hãy kiểm tra mọi mối quan ngại lớn với tài liệu của bạn trước khi hành động.

Nó cũng không đưa ra phán xét.

Nó sẽ không nói ý tưởng của bạn có mới hay thú vị không, và không xếp hạng bài báo. Phần đó vẫn thuộc về bạn và các phản biện.

Rồi còn vấn đề riêng tư.

Google nói không bao giờ dùng các tài liệu tải lên để huấn luyện, tinh chỉnh hoặc cải thiện mô hình, nhưng sẽ lưu trong 1 năm để bạn xem lại trong giao diện.

Nếu bạn đang làm việc dưới thỏa thuận bảo mật (NDA), tôi sẽ cân nhắc kỹ trước khi tải lên.

Một vài hạn chế khác:

  • Hệ thống đóng với trọng số không công khai và không thể tự lưu trữ, nên bạn phụ thuộc hoàn toàn vào các mô hình của Google
  • Hiện chỉ chấp nhận PDF và văn bản thuần
  • 2 lượt miễn phí mỗi tuần sẽ hết nhanh nếu bạn chỉnh sửa bản nháp nhiều
  • Cho đến nay mọi con số độ chính xác đều đến từ Google

Kết luận

Deep Review giống đội ngũ phản biện của chúng ta hơn là người bạn có 10 phút. Theo tôi, cách dùng tốt nhất là như một lượt soát lại trước khi gửi, với bạn kiểm tra từng mối quan ngại lớn của nó.

Nó có thể gắn cờ những điều không phải vấn đề thật; nó không thể đánh giá tính mới của công trình, và độ chính xác vẫn cần được kiểm thử bởi các bên ngoài Google.

Điều đáng học là phần thiết kế. Chia nhỏ công việc, dồn công sức cho phần khó, kiểm tra song song và hợp nhất kết quả đều hữu ích với hầu như mọi tác nhân phải xử lý tài liệu dài.

Nếu bạn muốn xây dựng những tác nhân như vậy, tôi khuyên bạn xem khóa Hệ thống đa tác nhân với LangGraph của chúng tôi.

Câu hỏi thường gặp về Google Deep Review

Google Deep Review có miễn phí không?

Có, mọi người đều có 2 lượt đánh giá miễn phí mỗi tuần. Nếu cần thêm, bạn có thể kết nối API key Gemini của riêng mình.

Deep Review chấp nhận những loại tệp nào?

Hiện tại chỉ có PDF và văn bản thuần. Google cho biết sắp hỗ trợ nhiều tệp.

Google có huấn luyện mô hình bằng tài liệu của tôi không?

Không. Google nói tài liệu tải lên không bao giờ được dùng để huấn luyện, tinh chỉnh hoặc cải thiện mô hình. Chúng được lưu trữ 1 năm để bạn xem trong giao diện Deep Review.

Có API cho Deep Review không?

Có. API Deep Review chạy bằng API key Gemini của bạn, nên bạn có thể chạy đánh giá từ mã của mình, ví dụ trong pipeline CI.

Một lượt Deep Review mất bao lâu?

Google nói khoảng 10 đến 20 phút mỗi tài liệu. Tài liệu dài với nhiều toán sẽ được phân bổ nhiều tính toán hơn, nên có thể mất tới 30 phút.

Google Deep Review chính xác đến mức nào?

Trên một tập con toán và khoa học máy tính của bộ chuẩn SPOT, công cụ tiền thân PAT của Google phát hiện 89,7% lỗi, so với 55,2% khi chỉ dùng Gemini 3.1 Pro. Các kết quả này do Google cung cấp và chưa được kiểm thử độc lập trên phiên bản Deep Review công khai.

Vaibhav Mehra

Tác giả

Vaibhav Mehra

Chủ đề

Liên quan