阿里Dingtalk-DeepResearch多智能体框架调研报告

一、摘要

Dingtalk-DeepResearch是阿里巴巴钉钉工业大脑团队推出的面向企业场景的统一多智能体智能框架，核心解决企业环境中深度研究、异构表格推理与多模态报告生成三大核心需求。与传统静态架构不同，该框架通过熵引导的记忆感知在线学习机制实现智能体动态进化，结合DingAutoEvaluator自动化评估引擎构建数据飞轮，形成"评估-反馈-优化"的闭环能力。目前已在企业级文档智能工作流中落地应用，即将作为钉钉内置服务开放。本报告基于其官方论文（arXiv:2510.24760v1），系统解析其技术架构、算法原理、创新价值及应用表现。

二、产品官方介绍

2.1 产品定位与核心目标

Dingtalk-DeepResearch定位于企业级自适应智能框架，针对企业场景中数据来源异构（长文档、半结构化表格、知识图谱、多媒体）、查询需求复杂（跨域多跳推理、上下文关联）、部署要求严苛（隐私安全、业务流程集成）等痛点，提供端到端的智能研究与决策支持能力。其核心目标是实现AI从"被动响应"到"主动执行"的跨越，成为企业员工的智能协作伙伴。

2.2 整体架构

框架采用三层架构设计，涵盖智能体编排、核心能力引擎与多模态数据支撑，具体结构如下：

1. Agent Studio（智能体编排层）：包含专业智能体与可定制个人智能体。专业智能体覆盖深度研究、表格处理、数据分析三大核心场景；个人智能体支持用户根据业务需求自定义功能，实现个性化协作。

2. Core（核心能力层）：框架的"大脑"，集成上下文压缩、推理规划、工具使用、长短期记忆、人类在环控制五大模块，支持代码执行、网页搜索、多模态处理等能力，并可与钉钉生态深度联动（如关联文件、消息、任务），在授权下安全访问企业私有数据。核心驱动采用经过CPT、SFT、RL多阶段训练的大语言模型。

3. Data Layer（数据支撑层）：统一数据底座，涵盖知识图谱、Redis缓存、多模态数据库（对话、图像、视频、文本、表格等），整合企业业务数据、行业数据、个人工作数据及通用数据，实现跨源数据的智能关联与检索。

该架构的核心优势在于"模块化可扩展"与"生态原生集成"，既支持单一智能体独立工作，也可通过多智能体协作完成复杂任务，同时依托钉钉生态降低企业部署门槛。

2.3 与主流框架的差异化定位

三、核心算法原理介绍

Dingtalk-DeepResearch的算法体系围绕"自适应进化"与"多模态推理"两大核心构建，涵盖四大关键技术模块，形成从训练到部署的全链路技术支撑。

3.1 多阶段文档强化学习（Documentary RL）

针对企业文档生成的准确性与结构化需求，设计五阶段训练流水线，实现从冷启动到动态优化的全流程能力提升：

1. 阶段1：文档奖励模型（Doc-RM）训练：基于80万条人工标注的正负样本对训练，样本覆盖企业报告、合规文档等多场景，评估维度包括事实准确性、语义覆盖率、逻辑结构与呈现清晰度，为后续RL提供奖励基准。

2. 阶段2：结构化格式SFT冷启动：在3200条 curated样本上进行有监督微调，覆盖Markdown演示文稿、复杂表格解析、多章节叙事、行业模板四大类结构化输出，确保生成内容符合企业格式规范。

3. 阶段3：静态文档库RL：以Doc-RM为奖励函数，在跨行业离线文档库上进行强化学习，优化内容覆盖度、事实正确性与逻辑连贯性，构建稳定的基础能力。

4. 阶段4：实时文档RL：设计10000条时间敏感型查询（如金融快讯、政策更新），结合实时搜索与网页爬取数据训练，通过自定义奖惩机制强化时间准确性与信息时效性。

5. 阶段5：用户交互在线DPO：收集用户对模型输出的编辑修改记录，构建偏好数据对，通过直接偏好优化（DPO）实现模型对用户工作风格与需求的个性化适配。

3.2 熵引导的记忆检索在线学习

这是框架实现"无需微调LLM即可进化"的核心机制，通过外部情景记忆库与熵引导策略平衡经验利用与探索：

• 记忆存储：将历史任务轨迹、成功案例、失败经验存入外部记忆库，每条记录关联Q值（任务适配度评分）与语义特征。

• 熵引导检索：针对当前任务，通过温度参数调节的概率分布从记忆库中选择案例——高Q值案例确保经验利用，熵值控制的随机采样则鼓励探索多样化解决方案，避免过拟合。

• 在线更新：每次任务执行后，自动将结果更新至记忆库，并重训检索策略，实现"越用越聪明"的自适应效果，同时通过用户画像记忆构建个性化能力。

3.3 结构感知的异构表格处理

针对企业中大量半结构化表格的推理需求，设计"解析-理解-推理-验证"四步流程，解决传统模型表格结构识别差、语义关联弱的问题：

1. 数据摄入：保留表格原始布局，构建层级化表示（含表头、合并单元格、子表格关系），同时将表格存入关系型数据库与文本知识库，支持符号查询与向量检索双重能力。

2. 结构解析：采用多模态检测器区分表头与内容单元格，推断列类型（离散/连续/非结构化），识别嵌套子表格，生成增强型 schema 标注。

3. 语义理解：将用户查询分解为文本与表格子查询，通过嵌入相似度与类型标注实现查询术语与数据库schema的精准对齐。

4. 符号推理与验证：调用NL2SQL生成可执行语句，结合DingAutoEvaluator的反馈优化schema关联与复杂连接逻辑，通过SQL执行结果与文本检索证据的交叉验证确保推理准确性。

3.4 DingAutoEvaluator自动化评估引擎

作为数据飞轮的核心驱动，实现"不确定性挖掘-多维度评估-闭环反馈"的自动化流程，其评估指标体系覆盖RAG、LLM、推理、智能体框架、知识库五大阶段，具体如下表：

四、关键创新点

相较于当前主流Deep Research框架，Dingtalk-DeepResearch的创新集中在"自适应进化能力"与"企业级落地保障"两大维度，形成四大核心创新：

4.1 熵引导的轻量化在线进化机制

突破传统框架依赖LLM微调实现能力升级的模式，通过"外部记忆库+熵引导检索"实现轻量化进化：无需更新模型参数，仅通过记忆库迭代与检索策略优化即可提升推理性能，降低企业部署中的算力成本与迭代周期。论文实验显示，该机制使模型在跨领域任务中的适应速度提升5倍，推理准确率提升18%。

4.2 DingAutoEvaluator驱动的数据飞轮

构建"不确定性案例挖掘-多维度评估-模型优化-效果验证"的闭环数据飞轮：

1. 通过模型不确定性监测，自动筛选"灰色地带"输出（如低置信度推理结果），优先提交人工标注；

2. 利用多阶段评估指标生成细粒度反馈，分别用于Doc-RM优化、NL2SQL微调与检索策略调整；

3. 优化后的模型与策略在实时流量中验证效果，形成持续迭代的良性循环。

该飞轮使框架事实错误率每月降低22%，结构化输出合格率提升至91%。

4.3 文档与表格的统一推理范式

解决传统框架中文本生成与表格推理分离的问题，实现两者的深度融合：通过结构感知表格处理模块将表格数据转化为可解释的语义表示，与文本内容统一纳入推理流程，生成包含精准表格分析与自然语言解读的一体化报告。在企业供应链场景测试中，该范式使跨文本-表格的多跳推理准确率达到89%，远超传统模型的62%。

4.4 钉钉生态原生的企业级部署能力

区别于通用研究框架，深度集成钉钉生态能力：支持一键关联企业钉盘文件、聊天记录与审批流程，在企业权限体系下安全访问私有数据；提供符合企业办公习惯的输出格式（如钉钉文档、飞书表格兼容格式），并支持直接触发钉钉任务（如将分析结果同步至项目群），降低用户使用门槛。

五、性能表现与实验数据

论文基于DeepResearch Bench（22个领域深度研究任务）与ResearcherBench（科学研究能力评估）两大权威基准，将Dingtalk-DeepResearch与主流框架进行对比，核心性能数据如下：

5.1 基准测试表现

DeepResearch Bench得分：Dingtalk-DeepResearch以45.00分位居第一，超过GPT-4o（44.64分）、Gemini Deep Research（44.34分）与OpenAI Deep Research（43.44分），在金融报告生成、合规文档解析等企业场景中优势尤为明显。

ResearcherBench覆盖度：框架整体覆盖度达到0.7032，超过Perplexity Deep Research（0.6929分）与Grok3 DeepSearch（0.6050分），在数据密集型研究任务中表现突出。

5.2 企业场景实测效果

六、结论与展望

6.1 核心结论

1. Dingtalk-DeepResearch通过"三层架构+四大核心技术"，构建了面向企业场景的专用多智能体框架，解决了通用框架在私有数据集成、结构化输出、动态优化等方面的不足；

2. 熵引导在线学习与DingAutoEvaluator数据飞轮是其核心技术壁垒，实现了"轻量化进化"与"持续优化"的企业级需求；

3. 在权威基准测试与实际企业场景中，框架性能优于主流竞品，尤其在表格推理与文档-表格融合任务中表现突出，具备极高的落地价值。

6.2 未来展望

• 技术方向：进一步强化多模态融合能力（如图像化报表理解），提升多智能体协作效率，优化长周期任务的记忆管理；

• 生态扩展：开放Agent Studio自定义接口，支持企业开发行业专用智能体，构建第三方开发者生态；

• 场景深化：针对金融、制造、零售等重点行业开发垂直解决方案，集成行业知识库与合规规则。

参考文献

[1] Industrial Brain Team, Dingtalk, Alibaba Group. Dingtalk-DeepResearch: A Unified Multi-Agent Framework for Adaptive Intelligence in Enterprise Environments. arXiv:2510.24760v1 [cs.CL], 2025.