XThinkTank 发布1.8.0版本，探索人机协同研究新方式

随着大模型和智能体技术持续发展，AI正从回答问题、生成内容，进一步进入复杂研究场景。相比单次信息查询和内容生成，专业研究往往需要围绕一个问题持续推进，经历问题拆解、资料搜集、假设提出、证据验证和判断修正等过程，对AI的研究连续性、分析深度和信息可信度提出了更高要求。

XThinkTank 是一款面向复杂研究任务的AI研究智能体。它尝试模拟专业研究人员的工作方式，将一个问题转化为持续推进的研究任务，通过多智能体协同完成研究规划、资料搜集、假设验证和报告生成，并通过质量门控对研究结果进行检查和交叉验证。

近日，由华曼生物科技（北京）有限公司人工智能实验室研发的XThinkTank 发布1.8.0版本，迭代推出DeepResearch 2.0与善问Shanwen 3.0，进一步强化研究过程可视化、研究记忆、会话分支、智能体任务接续及成果转化等能力，探索人与AI共同参与复杂研究的新方式。

让AI像研究员一样研究

对于深度研究任务，XThinkTank 并不追求即时生成答案，它支持长时程“迭代优化”（实验室测试中，DeepResearch 2.0进行一个深度研究任务能够支持20分钟至50分钟甚至更长时间不中断）。

接收到任务后，DeepResearch 2.0首先理解并拆解问题，形成研究计划和初步假设，再围绕不同方向搜集资料、寻找证据并展开分析。随着研究推进，系统持续验证和修正假设，逐步形成研究结果。

研究过程中，“验证”被纳入系统流程。XThinkTank 通过多智能体协同和质量门控，对信息来源、关键事实、数据及论证关系进行多轮检查与交叉验证。对于依据不足、来源存在冲突或无法充分确认的信息，根据情况进行舍弃或标识；对于未达到质量要求的内容，则重新研究和生成。

这一机制针对的是AI研究中的一个现实问题：生成效率提高了，但人工核验成本依然存在。通过在结果交付前进行多轮机器验证和质量筛查，可以减少研究者反复查找来源、比对数据和核验信息的工作。机器验证并不能完全消除错误，最终的专业判断仍需由人完成。

这也是XThinkTank 提出“AI时代，‘可信’比‘速度’更稀缺”的原因。

让研究过程可见，也让人进入研究过程

新版本进一步强化研究过程可视化。DeepResearch 2.0提出了哪些假设、正在验证什么问题、搜索了哪些信息来源、形成了哪些阶段性发现，都可以随着研究推进动态呈现。

研究过程可见，也为人的参与提供了基础。用户可以根据阶段性结果补充观点、提出问题或调整研究重点，DeepResearch 2.0根据新的信息继续研究。研究记忆和会话分支能力则支持用户从已有研究节点拓展新的分析路径，在保留原有研究主线的同时，对不同假设分别展开探索。

新版本还进一步打通DeepResearch 2.0与善问Shanwen 3.0之间的任务接续。即时讨论中产生的问题可以转入深度研究，深度研究中的发现也可以回到对话中继续追问和讨论。

由此，过去相对线性的“人提出任务—AI研究—人接收结果”，进一步转向“研究过程可见—人随时介入—AI持续研究”的协作方式。人不再只出现在研究的起点和终点，而是可以进入研究过程，与AI共同调整研究方向。

让研究成果继续流动

新版本同时打通研究成果的加工、发布与交流环节。用户可以基于已有研究成果生成适用于不同场景的内容，并将公开成果一键发布至XThinkTank “智粒涌现”社区及联动平台“智库界”网站，与更多用户进行交流和讨论。

由此，一项研究不再止于生成报告，而是进一步延伸至成果加工、发布和交流，形成更加完整的研究工作链条。

“XThinkTank，是你的AI研究员。”如果说问答大模型主要解决“帮我回答”，那么XThinkTank 希望进一步做到：帮我研究，并帮我进一步验证。