Atvērtā Dziļā Meklēšana (ODS): Atvērtā koda spriedumu aģentu rāmis, kas demokratizē meklēšanu

Atvērtā meklēšanas AI sistēma: pārskats par Open Deep Search

Straujās meklēšanas tehnoloģiju attīstības, kas integrētas ar lielo valodu modeļiem (LLM), līdz šim ir veicinājušas galvenokārt komerciālus risinājumus, piemēram, Google GPT-4o Search Preview un Perplexity Sonar Reasoning Pro. Lai gan šīs sistēmas nodrošina augstu veiktspēju, to slēgtā koda daba rada problēmas, īpaši attiecībā uz caurspīdīgumu, inovācijām un sadarbību ar pētnieku kopienu. Šāda ekskluzivitāte ierobežo iespējas pielāgot risinājumus un apgrūtina plašāku akadēmisko un uzņēmējdarbības iesaisti meklēšanas papildinātā AI jomā.

Lai risinātu šīs problēmas, Vāšingtonas Universitātes, Prinstona Universitātes un UC Berkeley pētnieki ir izstrādājuši Open Deep Search (ODS) – atvērtā koda meklēšanas AI sistēmu, kas paredzēta vieglai integrācijai ar jebkuru lietotāja izvēlētu LLM. ODS sastāv no divām galvenajām komponentēm: Open Search Tool un Open Reasoning Agent. Kopā šīs sastāvdaļas ievērojami uzlabo pamata LLM spējas, uzlabojot satura atgūšanu un spriešanas precizitāti.

Open Search Tool izceļas ar uzlabotu atgūšanas sistēmu, kas ietver inteliģentu vaicājumu pārfrāzēšanas metodi, lai precīzāk noteiktu lietotāja vajadzības, ģenerējot vairākus semantiski saistītus vaicājumus. Šī pieeja ievērojami uzlabo meklēšanas rezultātu precizitāti un daudzveidību. Turklāt rīks izmanto uzlabotu rezultātu sadalīšanu un pārkārtošanu, lai efektīvi filtrētu meklēšanas rezultātus pēc atbilstības. Savukārt Open Reasoning Agent darbojas, izmantojot divas metodes: Chain-of-thought ReAct agentu un Chain-of-code CodeAct agentu. Šie aģenti interpretē lietotāja vaicājumus, pārvalda rīku izmantošanu (tostarp meklēšanu un aprēķinus) un sniedz visaptverošas, kontekstam atbilstošas atbildes.

Empīriskie pārbaudījumi apstiprina ODS efektivitāti. Integrējot sistēmu ar DeepSeek-R1 – uzlabotu atvērtā koda spriešanas modeli – ODS-v2 sasniedz 88,3% precizitāti SimpleQA testā un 75,3% FRAMES testā. Šie rezultāti ievērojami pārspēj komerciālos risinājumus, piemēram, Perplexity Sonar Reasoning Pro, kas šajos testos sasniedz attiecīgi 85,8% un 44,4%. Salīdzinot ar OpenAI GPT-4o Search Preview, ODS-v2 uzrāda 9,7% augstāku precizitāti FRAMES testā. Šie rezultāti parāda, ka ODS spēj nodrošināt konkurētspējīgu un dažās jomās pat labāku veiktspēju nekā komerciālās sistēmas.

ODS svarīga iezīme ir tās adaptīvā rīku izmantošana. Piemēram, vienkāršiem vaicājumiem (kā SimpleQA testā) sistēma minimizē papildu meklēšanas, rādot efektīvu resursu izmantošanu. Savukārt sarežģītiem vaicājumiem (kā FRAMES testā) ODS palielina tīmekļa meklēšanas skaitu, demonstrējot inteliģentu resursu pārvaldību atbilstoši vaicājuma sarežģītībai.

Noslēgumā Open Deep Search ir nozīmīgs solis meklēšanas AI demokratizēšanā, piedāvājot atvērtā koda sistēmu, kas sader ar dažādiem LLM. Tā veicina inovācijas un caurspīdīgumu AI pētnieku kopienā un atbalsta plašāku dalību sarežģītu meklēšanas un spriešanas spēju izstrādē. Efektīvi apvienojot uzlabotas atgūšanas metodes ar adaptīvām spriešanas metodēm, ODS veiksmīgi veicina atvērtā koda AI attīstību un nosaka augstus standartus turpmākiem pētījumiem meklēšanas integrētu valodu modeļu jomā.

Plašākai informācijai apskatiet pētījumu un GitHub lapu.

https://www.marktechpost.com/