- 論文投稿の検証負担を軽減するエージェント型AIを一般公開
- 4段階のパイプラインで文書を分割し、並列に検証する
- 週2回まで無料、Gemini APIキーで上限拡大とAPI連携
何が公開されたのか
Google Researchは2026年10月14日、複雑な技術文書を検証するエージェント型AIシステム「Deep Review」の一般公開を発表しました。執筆者はRajesh Jayaram氏とVincent Cohen-Addad氏の両研究科学者です。エージェント型AIとは、単一の応答を返すのではなく、複数の処理を自律的に組み合わせて目的を達成するAIを指します。
Deep Reviewは、同社が実験的に運用してきた「Paper Assistant Tool（PAT）」の発展形にあたります。PATは計算機科学の会議投稿者に対し、締め切り前に原稿を検証してもらう仕組みとして開発されました。著者によれば、この1年間でSTOC 2026、ICML 2026、NeurIPS 2026、ICLR 2027の4会議と連携し、オプトインした16,000件を超える原稿に非公開の事前フィードバックを提供したといいます。
対象分野も広がりました。当初は計算機科学の学術論文が中心でしたが、公開版では法務や財務といった分野の文書も扱えるとされています。執筆中の改善ツールとしても、投稿後の主張や評価を検証するツールとしても使えると説明されています。
4段階の検証パイプライン
Deep Reviewは、長く複雑な文書を単一のプロンプトで評価しようとすると失敗しやすいと指摘しています。理由として、トークンの推論予算を使い切ること、長い文脈での章をまたぐ依存関係を見落とすこと、微妙な主張を十分に吟味せず受け入れてしまうことを挙げています。トークンとは言語モデルが扱う文字列の最小単位で、予算は推論に使える処理量の上限を意味します。
そこで4段階のエージェント型パイプラインを採用しています。第1段階は文書分割で、分割エージェントが文書を導入・実験・手法といった論理的な区間に分解します。区間は重複してよく、入力文書全体を覆う必要があるとされています。第2段階は適応的予算配分で、情報密度を調べ、区間ごとに計算予算を動的に割り当てます。数式の証明が密な区間には、導入や関連研究より多くの計算を配分するとしています。
第3段階は並列検証です。専門の推論エージェントが各区間を並行して精査し、それぞれが文書全体の文脈にアクセスして相互参照を追いつつ、担当区間のレビューに推論能力を集中させます。第4段階は全体統合とグラウンディングで、統合エージェントが区間ごとの報告をまとめ、区間間の整合性を最終確認し、必要なら論理チェックを再実行します。さらに外部情報による裏付け確認とツール呼び出しを行い、ハルシネーション（もっともらしいが事実に基づかない出力）への予防策としています。
利用条件とデータの扱い
公開版は世界中で利用できます。すべてのユーザーが週2回まで文書レビューを無料で受けられます。大量に処理したい場合はGemini APIキーを接続することで利用上限を引き上げ、Deep Review APIを通じたプログラム的な連携が可能になるとしています。
入力形式はまずPDFとプレーンテキストに対応し、複数ファイルの入力は近日対応とされています。プライバシーについては、アップロードされた文書はGoogleのモデルの学習・微調整・改善には決して使われないと明記されています。文書は、Deep ReviewのUI上でユーザーに表示する目的に限って1年間保存されるとしています。
背景にある査読の負担増
発表の背景には学術査読の負担増があります。著者によれば、AI関連の主要3会議（ICLR、NeurIPS、ICML）への投稿数は2026年に74,000件を超え、2025年の約45,000件、2024年の32,000件、2023年の23,000件から大きく増えています。
各投稿には複数の高品質な査読が必要で、専門家への負担が大きくなっています。Deep Reviewは、論理的一貫性や数式の記述を確認し、改善案を提示し、事実の裏付けを取り、既存研究と比較するといった、認知負荷の高い作業の一部を担うことを狙います。ただし、より高次の判断は人間に委ねる立場をとっています。
あわせて、Antigravityに組み込まれた「Teamwork Deep Document Review Pattern」も紹介されています。これはTeamworkマルチエージェント基盤を使った文書レビューの実装パターンで、研究論文や原稿、技術提案を評価するために設計されています。Antigravityのユーザーは /teamwork-preview コマンドで呼び出せるとしています。
現時点での不明点
公開された情報からは、Deep Reviewの精度を第三者が独立に評価した結果は読み取れません。パイロット期間中の著者の反応は「きわめて前向き」とされていますが、具体的な数値や人間のレビュアーとの比較は本文では示されていません。
基盤モデルとして「Gemini 4 Argon」のサポートが加わり能力が向上したと述べられていますが、このモデルの詳細や位置づけは説明されていません。日本語文書への対応や、日本の会議・企業での利用実績についても言及はありません。
| 年 | 3大会への投稿数 |
|---|---|
| 2023年 | 23,000件 |
| 2024年 | 32,000件 |
| 2025年 | 約45,000件 |
| 2026年 | 74,000件超 |
Documents uploaded to Deep Review are never used to train, fine-tune, or improve Google models.
Deep Reviewにアップロードされた文書は、Googleのモデルの学習、微調整、改善のために決して使用されません。
今後の見通し
Googleは今後もDeep Reviewの機能拡張を続けるとしています。Gemini 4 Argonのサポートでフィードバックと分析の品質がさらに高まるほか、複数ファイル対応により関連文書・表計算・証憑をまとめて整合性チェックできるようになるとしています。ただし、これらの提供時期は示されていません。導入を判断するには、日本語文書での検証精度、誤検出や見落としの傾向、APIの料金体系、データ保管の契約条件が明らかになる必要があると考えられます。各会議がAI利用をどう扱うかの方針も判断材料になるとみられます。
日本の開発者・IT企業にとっての意味
日本のIT企業や開発者にとって、Deep Reviewは「AIで生成した文書をどう検証するか」という課題への具体的な選択肢になります。設計書や技術提案書、法務・財務文書は、生成AIの普及で作成側が速くなる一方、確認する人の負荷は変わっていません。週2回まで無料で試せ、Gemini APIキー経由でCIやドラフトのワークフローに組み込めるため、小規模に検証しやすい点は実務的です。論理の一貫性や数値の裏付けを機械的に確認する用途は、社内レビューの一次スクリーニングとして使い道があると考えられます。一方、学習には使われないものの文書が1年間保存される点は、機密文書を扱う企業にとって確認事項です。日本語での精度が分かるまでは、最終判断をAIに委ねず補助的に使うのが現実的とみられます。
気になる点
- 日本からも利用できますか。
- はい。公開版は世界中でアクセスできるとされており、Google Researchのポータルから利用できます。すべてのユーザーが週2回まで文書レビューを無料で受けられます。日本語文書に対応しているかどうかは本文では明言されていないため、実際に試して確認する必要があります。
- 料金はかかりますか。
- 基本利用は無料で、全ユーザーが週2回まで文書レビューを受けられます。それを超える大量処理が必要な場合は、自身のGemini APIキーを接続して利用上限を引き上げ、Deep Review API経由でプログラムから呼び出せるようになります。API利用にかかる具体的な料金は本文では示されていません。
- アップロードした文書は学習に使われますか。
- 使われないと明記されています。アップロードされた文書はGoogleのモデルの学習・微調整・改善には決して使われず、Deep ReviewのUI上でユーザーに表示する目的に限って1年間保存されるとされています。機密性の高い文書を扱う場合は、社内のデータ管理方針と照らし合わせて判断することが求められます。
用語解説
- エージェント型AI
- 複数の処理を自律的に組み合わせ、目的達成のために段階的に推論・実行するAI。単一の応答を返す方式とは異なる。
- トークン
- 言語モデルが入出力を扱う際の文字列の最小単位。推論に使えるトークン数には上限があり、長文では枯渇しやすい。
- グラウンディング
- 生成した内容を外部の情報や根拠に結びつけ、事実に基づいているか確認する処理。ハルシネーション対策として用いられる。
- 査読（ピアレビュー）
- 学術論文の投稿に対し、同じ分野の専門家が内容の妥当性を評価する仕組み。投稿数の増加で負担が問題になっている。
- Gemini API
- Googleの生成AI「Gemini」を外部のアプリやワークフローから呼び出すためのインターフェース。Deep Reviewでは利用上限の拡大に使う。
出典
Analyzing technical documents with Deep Review
https://research.google/blog/analyzing-technical-documents-with-deep-review
AI導入も顧問も、お任せください
何から手をつけるか、どこまでAIに任せるか。自社の業務に合わせて整理し、導入から運用まで伴走します。相談だけでも構いません。
AI導入について相談する