Google apresenta Deep Researcher com Test-Time Diffusion e redefine a pesquisa com IA

O Test-Time Diffusion Deep Researcher (TTD-DR) é um novo framework desenvolvido pela Google Research para agentes de pesquisa baseados em IA. Diferente dos sistemas tradicionais, que combinam ferramentas de forma estática, o TTD-DR modela a pesquisa como um processo iterativo semelhante ao método humano de escrever, revisar e aprofundar argumentos. A proposta central é tratar o primeiro rascunho como uma versão 'ruidosa' do texto, que é gradualmente refinada por meio de buscas externas e verificação de informações. Esse processo, inspirado em modelos de difusão, permite que o agente incorpore novos fatos, corrija inconsistências e fortaleça o relatório a cada ciclo. O framework é composto por três etapas principais: geração de um plano de pesquisa estruturado, busca iterativa com recuperação de informações (RAG) e um mecanismo de autoevolução que avalia, revisa e combina múltiplas respostas para alcançar maior qualidade. Nos testes, o TTD-DR superou agentes concorrentes, incluindo o OpenAI Deep Research, alcançando uma taxa de vitória de 74,5% em tarefas de geração de relatórios longos e melhor desempenho em benchmarks de raciocínio multi-etapas. Além disso, demonstrou maior eficiência, entregando resultados superiores com a mesma latência. Segundo a Google, o TTD-DR representa um avanço significativo rumo a agentes de pesquisa verdadeiramente autônomos, capazes de atuar como assistentes científicos, analistas técnicos e copilotos de inovação. Uma versão do sistema já está disponível no Google Agentspace, integrado ao Google Cloud Agent Development Kit.