Vào đêm thứ sáu tuần trước, đã cập nhật khả năng nghiên cứu chuyên sâu của họ, sau khi nhận được tư cách kiểm tra, đã sử dụng chuyên sâu trong suốt một ngày hôm qua. Phát hiện ra rằng nghiên cứu chuyên sâu của rất mạnh mẽ về độ phong phú nội dung, tính chính xác và tính logic nghiêm ngặt. Dưới đây là giới thiệu chi tiết 👇

Khác với các sản phẩm tương tự gần đây, nghiên cứu chuyên sâu về này là một mô hình Agent được đào tạo bằng kỹ thuật học tăng cường tự chủ từ đầu đến cuối do chính họ huấn luyện. Hơn nữa, họ sẽ mã nguồn mở mô hình tiền huấn luyện cơ bản và mô hình sau khi học tăng cường, điều này thực sự đáng mong đợi. Trong bài kiểm tra và bài kiểm tra Agent của , mô hình nghiên cứu chuyên sâu của đã đạt được kết quả khá tốt.

Gần đây tôi đang suy nghĩ về loại sản phẩm hoặc mô hình này tạo ra báo cáo nghiên cứu chuyên sâu . Chỉ báo đánh giá cốt lõi của nó là gì? Tôi cảm thấy rằng điều mà mọi người quan tâm là chất lượng nguồn thông tin, phạm vi thông tin và tính chặt chẽ của logic. Nghiên cứu chuyên sâu của Kimi tình cờ đảm bảo chỉ báo này bằng cách tối ưu hóa hai khía cạnh này. Anh ấy có khả năng phân biệt thông tin một cách độc lập. Anh ấy sẽ lập kế hoạch cho hàng chục từ khóa tìm kiếm và đọc hàng trăm trang web, sau đó tìm nội dung đáng tin cậy nhất để trích dẫn. Về cơ bản, mỗi báo cáo nghiên cứu được tạo ra sẽ dài hơn 10.000 từ. Tôi có một bài kiểm tra dài 22.000 từ. Tất nhiên, LLM không thể tránh hoàn toàn ảo tưởng. Chúng cũng cho phép người dùng đưa ra phán đoán của riêng mình thông qua các phương pháp như nhúng vào văn bản, làm nổi bật các bước nhảy và theo dõi văn bản gốc.

Phân tích nguyên nhân Labubu nổ tiếng Anh ấy sẽ bắt đầu thực hiện tìm kiếm đơn giản để hỏi các chi tiết cần phân tích là gì Trước tiên sẽ tìm kiếm tổng thể tất cả các nội dung, sau đó đưa ra một kết luận chung, sau đó sẽ bắt đầu tìm kiếm từng phần nội dung Anh ấy đã tìm kiếm về nền kinh tế người hâm mộ, sau đó là nguyên nhân nổ tiếng, sau đó anh ấy nhận thấy nguyên nhân nổ tiếng có thể liên quan đến việc lan truyền ở nước ngoài, sau đó bắt đầu tìm kiếm Tôi nhìn vào số lượng từ và thấy gần 1,9 vạn từ, từ mục lục có thể thấy chuỗi logic của toàn bộ báo cáo rất đầy đủ, bao gồm nhiều khía cạnh như thiết kế IP, sự phát triển sản phẩm, chiến lược vận hành và quảng bá, nền kinh tế người hâm mộ, v.v. Trước tiên mô tả ý tưởng thiết kế của Labubu, sau đó là sự lặp lại và phát triển của sản phẩm, sau khi nói về thiết kế IP mới nói về chiến lược vận hành dựa trên IP, lúc này sau khi có thông tin bối cảnh phía trước, người đọc mới có thể hiểu tốt hơn tại sao lại vận hành IP này như vậy. Sau khi nói về tiếp thị và quảng bá, với một sản phẩm có một số thuộc tính tài chính, tự nhiên sẽ mở rộng sang nền kinh tế người hâm mộ và thị trường thứ cấp. Phân tích và tra cứu nội dung ở đây rất mạnh, từ việc vận hành và khởi động của Bubble Mart, cho đến việc người hâm mộ tự phát sản xuất nội dung UGC đều được đề cập, đặc biệt là quần áo búp bê quan trọng nhất. Sau đó, khi tất cả các thông tin đã được nói hết, anh ấy cuối cùng bắt đầu tổng kết các nguyên nhân nổ tiếng, bao gồm tất cả các nội dung đã nói ở trên, IP, nhà thiết kế, tiếp thị và sự đầu cơ thị trường thứ cấp đã cùng nhau thúc đẩy Labubu nổ tiếng.

Từ kết quả nội dung trên, chúng ta có thể thấy rằng nghiên cứu chuyên sâu của Kimi không chỉ là một đống thông tin. Thay vào đó, ông đặt thông tin vào đúng vị trí thông qua một chuỗi logic, điều này cho thấy ông có thể tự mình hình thành một khuôn khổ phân tích.

Bài kiểm tra 2: Truy xuất và phân tích nội dung cuộc họp báo của Xiaomi vào ngày 26 Tiếp theo, chúng ta hãy xem xét độ chính xác tìm kiếm và khả năng xử lý dữ liệu của nó. Vì tôi là Mi Boy và Xiaomi sẽ tổ chức buổi họp báo có thể là quan trọng nhất trong năm của họ vào ngày 26, về cơ bản tôi đã thấy rất nhiều thông tin, vì vậy tôi sử dụng chủ đề này để tìm kiếm, điều này có thể giảm bớt áp lực phải xác minh thông tin. Gợi ý: Sắp xếp và tìm kiếm nội dung cuộc họp báo của Xiaomi vào ngày 26 tháng 6 năm 2025, dán nhãn các sản phẩm khác nhau và đưa ra tỷ lệ phần trăm độ tin cậy cho từng tin đồn, so sánh các thông số kỹ thuật ước tính của các sản phẩm sắp ra mắt với các sản phẩm cạnh tranh, đưa ra biểu đồ radar hoặc bảng nhiệt và kết hợp khối lượng bán hàng trong cùng kỳ của những năm trước, chỉ số tiêu dùng vĩ mô và tin đồn về hàng tồn kho của kênh để đưa ra ba phạm vi bán hàng: thận trọng/chuẩn/tích cực và giải thích các giả định chính, liệt kê 10 công ty Chuỗi cung ứng niêm yết trên sàn giao dịch chứng khoán Hồng Kông hoặc cổ phiếu loại A có nhiều khả năng hưởng lợi nhất (cùng với lý do liên quan đến việc kinh doanh và hiệu suất giá cổ phiếu trong 30 ngày qua) và xếp hạng chúng theo độ nhạy cao-trung bình-thấp. Câu hỏi của tôi đã khá là vô lý rồi. Nghiên cứu chuyên sâu của Kimi không chỉ đòi hỏi phải tìm thông tin tương ứng mà còn phải tìm thông tin về đối thủ cạnh tranh và các sản phẩm tương tự trong những năm trước. Nó cũng đòi hỏi phải đưa ra những dự đoán hợp lý dựa trên dữ liệu và thông tin này, và cuối cùng là tìm kiếm các công ty niêm yết Chuỗi cung ứng liên quan.

Tổng số từ báo cáo vẫn lên tới gần 17.000 từ. Đồng thời, thông qua mục lục chúng ta có thể thấy về cơ bản tất cả các yêu cầu chúng ta đề cập đều đã được đưa ra với nội dung tương ứng. Không có vấn đề lười biếng khi trả lời những câu hỏi phức tạp và bối cảnh dài thường thấy ở các sản phẩm tương tự trong ngành. Đầu tiên, ông liệt kê thông tin sản phẩm chính sắp được phát hành và phân biệt chúng theo độ tin cậy. Một điểm thiết kế tốt là khi nhấn nguồn tham khảo, dữ liệu được trích dẫn sẽ được tô sáng trực tiếp để tạo điều kiện cho người dùng xác minh, điều này rất chu đáo. Dữ liệu ở đây cho thấy hệ thống buồng lái của Xiaomi YU 7 sử dụng Snapdragon 8 Gen3 rất quan trọng, vì hiện nay có rất ít xe không sử dụng chip điện thoại di động trong máy tính xe hơi của họ, và thông tin này chỉ mới được công bố trong vài ngày qua. Có thể thấy độ chính xác và tính kịp thời của Kimi trong việc truy xuất nội dung là rất cao. Tiếp theo, ngoài việc đưa ra lý do cho từng mức dự báo, dự báo doanh số còn cung cấp các giả định chính tương ứng về doanh số để giúp người đọc đưa ra phán đoán. Nghiên cứu chuyên sâu của Kimi về tính toàn diện, độ chính xác và phân tích dữ liệu của quá trình truy xuất dữ liệu phức tạp thực sự đáng kinh ngạc.

Đưa tính thẩm mỹ vào để làm cho báo cáo chuyên nghiệp trở nên “sống động” Bất kể chức năng có mạnh mẽ đến đâu, nếu không dễ hiểu và sử dụng, giá trị của nó sẽ giảm đi rất nhiều. Các sản phẩm của Kimi vừa “dễ sử dụng” vừa “đẹp”. Ngoài việc tạo tài liệu, Kimi cũng sẽ đồng thời tạo trang web trực quan cho báo cáo nghiên cứu. Trang web trực quan của Kimi không giống như các sản phẩm tương tự khác, nơi thông tin và báo cáo hoàn toàn không cân xứng. Nội dung của họ rất chi tiết và về cơ bản chứa tất cả các trang web trong bản phác thảo. Ngoài ra còn có một phác thảo tương ứng ở bên trái để giúp bạn chuyển sang nội dung cụ thể dễ dàng hơn. Hơn nữa, bố cục của toàn bộ trang web rất rõ ràng, phù hợp với thói quen thẩm mỹ của người dùng hiện đại. Sơ đồ tư duy, danh sách có cấu trúc và các hình thức khác giúp thông tin phức tạp trở nên rõ ràng chỉ trong nháy mắt. Mỗi biểu đồ ở đây có thể được kéo và phóng to hoặc thu nhỏ một cách tự do, giúp giải quyết vấn đề nội dung biểu đồ do thành phần biểu đồ tạo ra không phù hợp để xem trước. Họ không chỉ sử dụng một bộ mẫu; mỗi trang web AI sẽ tạo ra một chủ đề màu sắc và phong cách thiết kế phù hợp với thương hiệu tương ứng dựa trên thông tin thu thập được, chẳng hạn như màu cam của Xiaomi. Khi nhúng tài liệu, chúng tôi không chỉ chọn hình ảnh ngẫu nhiên. Về cơ bản, chúng liên quan đến nội dung hiện tại đang được mô tả. Khi tôi đang nghiên cứu sản phẩm phần cứng Plaud ai, anh ấy thậm chí còn đặt một video trình diễn phần cứng ở vị trí tiêu đề! Ví dụ, màu sắc nổi bật trên trang web so sánh sản phẩm cạnh tranh của Xiaomi và màu bối cảnh vàng và xanh lá cây cùng biểu đồ ở bên phải thẻ cho thấy ưu điểm và nhược điểm. Rất trực quan và cải thiện đáng kể hiệu quả thu thập thông tin.

Bạn có thể duyệt ba trang web tôi tạo ra ở đây: kimi.com/preview/d1co3df37oq0o...… kimi.com/preview/d1coajrlmiues...… kimi.com/preview/d1coefmmu6sal...…

Đây là phần kết thúc của quá trình thử nghiệm và giới thiệu. Mặc dù tất cả đều là nghiên cứu chuyên sâu, mô hình dựa trên học tăng cường của Kimi vẫn cho thấy xu hướng kết quả rất khác so với việc sử dụng các mô hình thông thường thông qua các từ gợi ý và cách sử dụng công cụ, cho phép chúng ta thấy được sức mạnh của nhiệm vụ truy xuất phức tạp không dựa vào các dự án gợi ý lớn. Chúng tôi mong đợi phiên bản tiền đào tạo và tỷ trọng RL mã nguồn mở sắp tới của Kimi, điều này sẽ mang lại lợi ích cho nhiều sản phẩm có chức năng tương tự.