Deep Reviewは論文の誤りを探すGoogleのAI
Deep Reviewは、論文や技術文書をAIエージェントが読み込み、誤りや改善点を指摘するGoogleのツールです。AIエージェントとは、目的を与えると達成までの手順をAI自身で考え、必要なツールを使い分けながら自律的に作業を進めるAIのこと。また、Google Researchが2026年10月14日に一般公開し、世界中から利用できるようになりました。
Google DeepMindとGoogle Cloudも開発に加わったDeep Reviewは、最初はコンピューターサイエンスの学術論文を分析する目的で作られ、いまは法務や金融の文書にも対応しています。Googleは、書いている途中で何度も修正するためにも、査読（学会や論文誌が、投稿された原稿を同じ分野の研究者に審査させる仕組み）で主張や評価を検証するためにも使うことができるとしています。
前身は4学会で試したPaper Assistant Tool
Deep Reviewの前身は、Paper Assistant Tool（PAT）という実験的なツールです。論文を学会に出す前に、内容の弱いところをAIに洗い出させる目的で作られました。
Googleはこの1年、STOC 2026・ICML 2026・NeurIPS 2026・ICLR 2027の4学会と組み、希望した著者に投稿前の非公開フィードバックを届けてきました。対象になった原稿は16,000本を超えます。
フィードバックは学会の正式な審査とは切り離されていて、PATは学習用のデータを集めていません。論文は、各プログラムが終わるとすぐにGoogleのシステムから削除されました。
"Deep Review represents the evolution of our Paper Assistant Tool (PAT) — an experimental initiative developed to help researchers stress-test manuscripts prior to conference submission."／"This feedback was completely decoupled from the official conference review process. PAT did not collect any of the data for training, and papers were deleted from Google systems promptly after each program concluded."— Google Research 公式ブログより公式情報を見る →
AI系3学会への投稿が3年で約3倍、査読の負担が増加
ICLR・NeurIPS・ICMLへの投稿数（3学会の合計）
2026年は74,000本超。出典: Google Researchの公式ブログ。
AI分野の主要3学会、ICLR・NeurIPS・ICMLへの投稿は、2023年の約23,000本から2026年の74,000本超へ、3年で約3倍に増えました。Googleは、この増加がDeep Reviewを公開した背景にあるとしています。
査読では、同じ分野の研究者が原稿を読んで採否を判断します。PATの論文によると、数学の証明が多い原稿は1行ずつ確認すると査読者でも数日かかることがあるとのこと。投稿が増えても査読する研究者の数は急には増えないため、1人あたりの負担は重くなる一方です。
同じ流れの中で、arXivはコンピューターサイエンス分野で投稿を受け付ける方法を変えました。論文が増えるほど、読んで確認する側の手が足りなくなっています。
"74,000 submissions to three major AI conferences ( ICLR , NeurIPS , and ICML ) up from approximately 45,000 in 2025, 32,000 in 2024, and 23,000 in 2023."— Google Research 公式ブログより公式情報を見る →
"In technical fields such as mathematics and theoretical computer science (TCS), comprehensive review requires line-by-line verification of dense proofs, which can take a human reviewer days to accomplish."（1 Introduction）— PAT 論文より公式情報を見る →
Deep Reviewで論理・数式・根拠をチェック
Deep Reviewがチェックするのは、次の4つです。また、Deep Reviewは見つけた問題ごとに改善案も出します。
- 論理の一貫性
- 数式の記述
- 事実の根拠
- 既存研究との比較
Googleは、査読の中でも特に頭を使う作業をDeep Reviewが担当し、大局的な判断は人に残す設計だとしています。論文に価値があるか新しいかは、これまでどおり人が判断します。
既存研究との比較や改善案も出力される
Deep Reviewは、誤りの指摘だけでなく改善案と既存研究との比較も出力します。Deep Reviewのページでは、関連研究を探すためにウェブ検索をすることがあるとしています。その場合も、文書そのものは非公開のままとのこと。
"By providing detailed, objective evaluations of documents, Deep Review checks logical consistency and mathematical statements, suggests improvements, grounds facts, and compares with existing work. It addresses some of the most cognitively burdensome facets of review, while leaving higher-level judgements to humans."— Google Research 公式ブログより公式情報を見る →
"Deep Review reads your document to produce its review and may perform web searches to find related work, but your document remains private."（What happens to my document when I upload it to Deep Review?）— Deep Review のページより公式情報を見る →
設計書やプレゼン資料、法務・財務文書にも対応
Deep Reviewは論文のほかに、設計書とプレゼン資料、法務・財務文書の3種類にも対応しています。その理由は、証明が成り立つかを調べる考え方が、根拠の欠かせない文書でも同じように役立つためです。
| 文書 | Deep Reviewが見るところ |
|---|---|
| 設計書 | 書かれていない設計上の前提と境界のケースを見つけ、具体的な改善案を出す |
| プレゼン資料 | スライドのつながりが論理的か、箇条書きの要点がグラフと合っているか |
| 法務・財務文書 | 条項や表のあいだの整合を確認し、曖昧な言葉や後に響く影響を指摘して主張を根拠と照らす |
研究者だけでなく、仕様書を書くエンジニアや契約書を作る担当者も対象に入ります。Googleは、論文で培った仕組みを日々の業務で使う文書にも広げるとしています。
"Design documents: Catch unstated architectural assumptions, spot edge cases, and suggest concrete improvements. Presentations: Ensure slide transitions flow logically and bulleted takeaways match visual charts. Legal and financial documents: Check internal consistency across clauses and data tables, flag ambiguous terms or downstream consequences, and ground claims against supporting evidence."— Google Research 公式ブログより公式情報を見る →
Deep Reviewは誰でも週2回まで無料
Deep Reviewの利用条件
Deep Reviewでは、すべてのユーザーが週2回まで無料で文書をチェックできます。チェックには、Googleが10月に一般提供したばかりのGemini 4 Argonが使われています（関連記事：Gemini 4 Carbonの料金と提供範囲、一般向けの公開時期は未定）。無料枠では、このモデルを「Medium」の設定で動作させるとのこと。
Gemini APIキーを連携すると上限が増える
週2回より多く使いたい人は、Gemini APIキーを登録すれば利用の上限を増やせます。また、APIキーを登録したユーザーは、Deep Review APIを使って、自分のシステムにDeep Reviewを組み込むこともできます。
料金はチェック中に呼び出したGemini APIの分だけで、Deep Review自体の追加料金はありません。Deep Reviewのページでは、40ページある文書の目安を、Gemini 3.8 Flashの「Low」で約3ドル（約475円）、Gemini 4 Argonの「Extra High」で20ドル（約3,165円）としています。実際の金額は文書によって変わるため、あくまで目安です。
"Every user receives two complimentary document reviews per week. Users with high-volume workflows can connect their Gemini API key for higher usage limits and programmatic integration via the Deep Review API."— Google Research 公式ブログより公式情報を見る →
"Enjoy 2 free reviews per week on us with 4 Argon on Medium."（Gemini API key）／"There is no additional charge for using Deep Review. You are only billed by Google for the underlying Gemini API model calls. Expected costs for a 40 page document range from ~$3.00 for Low with 3.8 Flash to $20 with 4 Argon on Extra High. Actual API usage charges will vary depending on the document and this estimate is provided only as a guide."（How is Deep Review priced?）— Deep Review のページより公式情報を見る →
入力はPDFとプレーンテキスト、複数ファイルは対応予定
公式ブログでは、Deep Reviewが最初に対応する入力形式をPDFとプレーンテキストとしています。複数のファイルを一度に送信する機能は、近く追加される予定です。
Deep ReviewのFAQでは、GoogleドキュメントとGoogleスライドへの対応も案内しています。本文と付録が別々のファイルになっている論文は、Deep Reviewが複数ファイルに対応するまで1つのPDFに結合して送信することになるでしょう。
本文と付録のPDFを1つにしたいときは、複数のPDFを1つに結合するツールをお試しください。ドラッグ＆ドロップで本文と付録の順番を入れ替えてから結合することができます。
"Deep Review will initially support PDFs and plain text as input formats, with support for multi-file inputs coming soon."— Google Research 公式ブログより公式情報を見る →
"Deep Review supports PDFs, text, Google Docs, and Google Slides across many domains including research, legal, and finance."（What kind of documents can Deep Review review?）— Deep Review のページより公式情報を見る →
アップロードした文書は学習に使わず1年保存
Deep Reviewにアップロードした文書が、Googleのモデルを学習・微調整・改善するために使われることはありません。文書は、Deep Reviewの画面に表示するためだけに1年間保存されます。
Deep Reviewのページでは、研究チームが改善に使うことを自分から許可する選択肢も用意しています。許可しない限り学習には使われませんが、未発表の論文や社外秘の資料を送信する前には、所属先の規程と照らし合わせておくといいでしょう。
"Documents uploaded to Deep Review are never used to train, fine-tune, or improve Google models. Uploaded documents are stored for one year for the sole purpose of display to the user in the Deep Review UI."— Google Research 公式ブログより公式情報を見る →
"Your documents are stored securely on private encrypted servers and will not be used for model training without your permission. Documents are stored for up to one year for display before deletion."／"You can opt in to give the research team permission to use your data to improve Deep Review."（What happens to my document when I upload it to Deep Review?）— Deep Review のページより公式情報を見る →
使い方はWeb・API・Antigravityの3通り
Deep Reviewを使う3つの方法
Deep Reviewを使う方法は、WebページとAPI、Antigravityの3つです。そのうち、1本の論文をチェックするならWebページ、たくさんの文書を自動でチェックするならAPIが適しています。
Google Research Portalへの文書送信の流れ
いちばん手軽なのは、Google Research PortalのDeep Reviewのページから文書を送信する方法です。まず、Googleアカウントでログインし、文書をアップロードするかテキストを貼り付けます。
見てほしい部分や投稿先の学会を、任意の「追加の文脈」として書き添えることもできます。チェックが終わると、結果はページ内の「Your documents」の表に表示されます。
"Authenticate with Google to view your submitted manuscripts and run new Deep Reviews."／"Add custom context (optional)"／"After submission, the results of the review will be ready in the "Your documents" table."（How do I use it?）— Deep Review のページより公式情報を見る →
開発の流れにはAPIで組み込める
Gemini APIキーがあれば、Deep Review APIから同じチェックを呼び出すことができます。Googleは、継続的インテグレーション（コードを変えるたびに自動で検査する仕組み）や文書執筆の流れに組み込む使い方を想定しています。
設計書をリポジトリで管理しているチームなら、書き換えるたびに論理の抜けを自動で洗い出す運用が考えられます。APIの詳しい仕様は、Google APIs Explorerで公開されています。
"Integrate with the API: Access programmatic verification in your continuous integration and drafting workflows using your Gemini API key ."— Google Research 公式ブログより公式情報を見る →
Antigravityには同じ考え方の文書チェックを搭載
Googleの開発ツールAntigravityには、Deep Reviewに着想を得た「Teamwork Deep Document Review Pattern」が入りました。複数のエージェントを組み合わせて動作させる仕組み「Teamwork」を使い、論文や原稿の下書き、技術提案を評価します。
Antigravityの中では、/teamwork-previewコマンドで呼び出します。Deep Reviewのページを開かなくても、Antigravityでの作業の中から同じ考え方のチェックを呼び出すことができます。
"We’re also introducing the Teamwork Deep Document Review Pattern , a document review implementation pattern inspired by Deep Review built into Antigravity using the Teamwork multi-agent orchestration framework . This pattern is designed systematically to evaluate research papers, manuscript drafts, and technical proposals using a multi-agent hierarchy with self-correction and segment-based rubrics. Antigravity users can invoke this pattern using the /teamwork-preview command."— Google Research 公式ブログより公式情報を見る →
文書を分けて並列に調べる4段階の仕組み
Deep Reviewが文書を調べる4段階
- 分割文書を導入・手法・実験などのまとまりに分ける
- 配分まとまりごとの情報の密度を見て、計算量を割り振る
- 並列チェック専門のエージェントが文書全体を参照しながら、担当のまとまりを同時に調べる
- 統合報告を1つに統合し、全体の整合と外部の根拠を確認する
Deep Reviewは文書をまとまりごとに分け、複数のエージェントが並列に調べた結果を最後に1つの報告へ統合します。いまはGemini 4 Argonで動作していて、Googleは前身のPATより深いチェックができるようになったとしています。
AIに1回で読ませると離れた部分の関係を見落とす
長くて複雑な文書をAIに1回の指示で読ませると、うまくいかないことがあります。Googleが理由とするのは、次の3つです。
- 考えるための予算を途中で使い切ってしまう
- 離れた部分どうしの関係を見落とす
- 細かな主張を十分に疑わずに受け入れてしまう
そこでDeep Reviewは、分割を担当するエージェントが最初に文書を論理的なまとまりに分けます。まとまりどうしは重なることがあり、文書全体を漏れなく覆うように分けられます。
"Single-prompt LLM calls often fail when evaluating long, complex documents due to exhausting their token reasoning budget, overlooking long-context cross-section dependencies, or accepting nuanced claims without fully scrutinizing them."／"These segments can be overlapping, and must cover all the content of the input document."— Google Research 公式ブログより公式情報を見る →
計算量は数学の証明を含む部分に多く割り振る
Deep Reviewは、情報の密度に応じてまとまりごとの計算量を変えます。たとえば数学の証明を含む部分には、関連研究を紹介する部分より多くの計算量が回ります。
続いて専門のエージェントが、それぞれの担当を同時に調べます。担当以外の部分も参照できるので、前の章で定義した記号が後の章で別の意味に使われている、といった矛盾も追うことができます。
最後に統合を担当するエージェントが各報告をまとめ、部分どうしの整合を確認します。PATの論文では、このエージェントがGoogle検索を使い、実在しない論文や定理が引かれていないかも調べるとしています。
"The pipeline inspects information density and dynamically allocates a compute budget, along with a specialized inference scaling pipeline for each section."／"Each agent has access to the full document context to track cross-references, but focuses its reasoning power specifically on the task of reviewing its specific target section."／"A dedicated synthesis agent consolidates the segment-level reports, and does final consistency checks between sections, rerunning logical checks if required."— Google Research 公式ブログより公式情報を見る →
"The synthesis agent utilizes Google search as an extra check for hallucinations (e.g. non-existent papers or theorems), before assembling the final review."— PAT 論文より公式情報を見る →
前身のツールは論文の誤り29件のうち89.7%を発見
論文の数式・証明の誤りを見つけた割合
SPOTベンチマークのうち、数学・コンピューターサイエンスの論文26本（誤り29件）で評価。棒の高さは見つけた割合で、高いほど多く見つけた。SPOTの元の最高値は採点方法が異なるため、直接は比較できない。出典: PAT論文。
Gemini 3.1 Pro（1回）Deep Reviewの前身PATは、誤りがあるとわかっている論文26本・誤り29件で試され、89.7%を見つけました。評価に使ったのは、論文の誤りを集めたSPOTというベンチマークです。このベンチマークから、数学とコンピューターサイエンスの「数式・証明」の誤りだけを抜き出しています。
Gemini 3.1 Proに1回で調べさせると55.2%
PATと同じ論文26本をGemini 3.1 Proに1回の指示だけで調べさせると、見つけた割合は55.2%でした。一方、PATは同じGemini 3.1 Proを使いながら、文書を分けて解析する仕組みでこの割合を89.7%まで高めています。
SPOTを公開した研究での最高値は21.1%ですが、採点方法が異なるため直接は比較できません。PATの論文は、1回の指示だけのAIが複雑な数学の主張を十分に疑わずに受け入れやすいと指摘しています。
"This yields an evaluation subset of 26 papers with 29 errors."／"PAT, on the other hand, significantly outperforms single model generation, achieves a 34% gain improvement and increasing recall to 89.7%."／"In particular, zero-shot models are more likely to accept complex mathematical claims without critically scrutinizing them."（Table 2 の前後）— PAT 論文より公式情報を見る →
著者の9割超が役立ったと回答
STOCとICMLでPATを試した著者のうち、フィードバックが役立ったと答えたのはどちらの学会でも9割を超えました。2つの学会でチェックした論文は、合わせて4,700本を超えます。
「とても役立った」「おおむね役立った」の合計は、STOCの回答者124人で92.7%、ICMLの回答者733人で90.7%です。「また使いたい」もそれぞれ97%と92.1%に達しました。
中身の深い指摘もあり、修正に時間のかかる理論上の重大な穴を指摘されたと答えた著者はSTOCで11.6%、ICMLで35.4%です。ICMLでは31%の著者が、指摘を受けて新しい実験を行いました。
"Between the two conferences, over 4,700 submissions were reviewed by the PAT system."／"Similarly, over 90% said that the feedback was either Very or Mostly helpful."（3.1 Quantitative Author Feedback for PAT Experimental Programs）— PAT 論文より公式情報を見る →
指摘の大半が根拠に基づくと答えた著者は5〜6割
PATを試した著者のうち、指摘の大半か全部が事実に基づいていたと答えたのは、STOCで55.8%、ICMLで64.8%でした。裏を返せば、残る3〜4割の著者は指摘の大半が事実に基づいていたとは答えていません。
Googleも、ハルシネーションが起こりうるため、レビューのAIを使う人は指摘を自分で確認する必要があるとしています。Deep Reviewの指摘は、原文と照らして正しいと確認できたものから修正するのが安全です。
"Importantly, given that hallucinations and misunderstandings are key failure points of AI-assisted reviewing, we view the fact that over half found the feedback mostly or all grounded (factual) to be a strong positive result."（3.1 Quantitative Author Feedback for PAT Experimental Programs）／"Models are prone to hallucination; an actor using a review agent must check statements made to ensure their validity."— PAT 論文より公式情報を見る →
週2回の無料枠で、指摘は原文と照らして使う
Deep Reviewの無料枠は週2回なので、最初の原稿で1回、修正した後にもう1回チェックすると、ちょうど1週間分の無料枠を使い切れます。回数が足りない人だけがAPIキーを登録すればよく、40ページの論文なら1回あたり約475円から約3,165円が目安です。
前身のPATは誤りの89.7%を見つけた一方で、指摘が根拠に基づくと答えた著者は5〜6割でした。2つの数字を並べると、Deep Reviewは見落としを減らせる代わりに、誤った指摘も混ざるツールであると確認することができます。指摘の件数を修正すべき箇所の数と見なさず、1件ずつ原文と照らし合わせてから修正するかどうかを判断するといいでしょう。
FAQ
- Deep Reviewは無料で使うことができますか？
- はい。すべてのユーザーが週2回まで無料で文書をチェックできます。それ以上の回数は自分のGemini APIキーを登録し、Gemini APIの呼び出し分だけを支払う仕組みです。Deep Review自体の追加料金はかかりません。
- Deep Reviewにアップロードした論文はAIの学習に使われますか？
- 使われません。Googleは公式ブログで、Deep Reviewにアップロードした文書をGoogleのモデルの学習・微調整・改善に使わないとしています。文書は画面に表示するためだけに1年間保存されます。
- Deep Reviewの指摘はどこまで信用できますか？
- 前身のPaper Assistant Toolは、誤りがわかっている論文26本・29件の誤りのうち89.7%を見つけました。一方で、指摘の大半か全部が根拠に基づいていたと答えた著者は、STOCで55.8%、ICMLで64.8%にとどまります。Googleも、AIの指摘は使う人が自分で確認する必要があるとしています。
- Deep ReviewはどんなファイルをAIにチェックさせることができますか？
- 公式ブログでは、当初の入力形式をPDFとプレーンテキストとし、複数ファイルの入力にも近く対応するとしています。Deep ReviewのFAQでは、GoogleドキュメントとGoogleスライドへの対応も案内しています。
関連する記事
Gemini SparkがMac版に対応、最初の提供先は米国の一部契約者Gemini SparkがMac版Geminiアプリに対応し、2026年6月30日からファイル作業を任せられるようになりました。提供は米国のGoogle AI Ultra契約者向けのベータで、Canva・Dropboxなどとの連携や独自MCPに対応する時期も公式発表から確認できます。
Geminiでファイルを作成してチャット内で直接編集する方法Geminiのチャットで作成したドキュメントやPDF、スライドなどをダウンロードせずにチャット内で直接編集できるようになりました。編集方法は全画面での直接入力など3つあり、スマホアプリで編集できるのはPDFだけです。編集後はダウンロードかGoogleドライブへ保存できます。Canvasとは異なり、普段のチャットで形式を指定するだけで利用できます。
Gemini 4 Carbonの料金と提供範囲、11月10日から有料APIとAI Ultraへ拡大Gemini 4 Carbonは、Googleが10月28日に発表した上位モデルです。11月10日から有料APIの開発者・企業・Google AI Ultraの契約者へ提供が広がりました。API料金はArgonと同じ100万トークンあたり入力2ドル（約316円）・出力10ドル（約1,581円）で、Argonは12月1日に料金が倍になります。
Geminiエージェントとは？Workspaceで利用できる機能と料金Geminiエージェントは、2026年10月にGoogle Cloudが発表した業務用のAIエージェントです。目標を伝えればGmailなど7つのアプリの中で仕事を仕上げ、専用メールを持つ同僚エージェントも作ることができます。Googleは料金と日本での提供時期をまだ公表しておらず、金融サービス向けと法務向けの種類がプレビュー中です。