Open Deep Search가 도착하여 당황하고 Chatgpt 검색에 도전합니다.
2025년 5월 2일
SamuelThomas
0
기술 세계에 있다면 오픈 딥 스 검색 (ODS)을 둘러싼 버즈, Sentient Foundation의 새로운 오픈 소스 프레임 워크에 대해 들었을 것입니다. ODS는 Perplexity 및 Chatgpt 검색과 같은 독점적 인 AI 검색 엔진에 대한 강력한 대안을 제공하여 파도를 만들고 있으며, 웹 검색 및 기타 도구를 활용하여 쿼리에 효과적으로 답변하는 고급 추론 에이전트를 사용하여 LLM (Langer Models)에 권한을 부여하는 것입니다.
AI 검색 환경
Perplexity 및 Chatgpt 검색과 같은 오늘날의 AI 검색 도구는 LLM의 지식과 추론을 실시간 웹 검색과 결합하여 최신 답변을 제공합니다. 그러나 이러한 시스템은 종종 독점 문 뒤에 잠겨있어 사용자 정의 및 전문 응용 프로그램을 도전 할 수 있습니다.
벤처 비트 (VentureBeat)와 공유 된 Sensient의 공동 설립자 인 Himanshu Tyagi는 "AI 검색의 대부분의 혁신은 폐쇄 문 뒤에서 일어나고 있습니다. 오픈 소스 노력은 역사적으로 유용성과 성능에 뒤쳐져 왔습니다. ODS는 이러한 격차를 막기 위해 열린 시스템이 경쟁 할 수있을뿐만 아니라 잠재적으로 밀폐 된 대응제, 속도 및 유연성을 경쟁 할 수 있음을 증명합니다."
깊은 검색 (ODS) 아키텍처를 엽니 다
ODS는 또 다른 도구가 아닙니다. DeepSeek-R1과 같은 오픈 소스 모델과 GPT-4O 및 Claude와 같은 폐쇄 된 모델과 통합 할 수있는 플러그 앤 플레이 시스템입니다. 핵심에는 ODS에는 두 가지 주요 구성 요소가 있습니다.
열린 검색 도구
이 구성 요소는 쿼리를 가져 와서 웹을 검색하여 관련 정보가 LLM에 컨텍스트로 피드백을 제공합니다. 또한 똑똑하고 다양한 방법으로 쿼리를 광범위하고 다양한 검색을 보장합니다. 검색 엔진에서 결과를 가져 오면 스 니펫과 링크 된 페이지를 추출한 다음 가장 관련성이 높은 콘텐츠에서 청크 및 재 속도를 0으로 사용합니다. Wikipedia, Arxiv 및 PubMed와 같은 특정 출처를 처리하는 데 특히 능숙하며 상충되는 정보에 직면 할 때 신뢰할 수있는 출처를 우선시하라는 메시지가 표시됩니다.
열린 추론 대리인
이 에이전트는 쿼리를 취하고 기본 LLM 및 다양한 도구 (열린 검색 도구 포함)를 사용하여 최종 답변을 제공합니다. Sentient는 OD 내에서 두 개의 별개의 에이전트 아키텍처를 제공합니다.
ODS-V1
이 버전은 COT (Chain-of Thought) 추론과 결합 된 React Agent 프레임 워크를 사용합니다. 반응 에이전트는 추론 단계 ( "생각")와 행동 (검색 도구 사용)과 관찰 (해당 조치의 결과)을 번갈아 가며. ODS-V1은이 프로세스를 통해 답변에 도달합니다. React Agent가 SNAG에 부딪히면 COT의 자기 일관성에 빠지고 여러 COT 응답을 샘플링하고 가장 일반적인 답변을 선택합니다.
ODS-V2
이 버전은 COC (Cain-of-Code)와 Hugging Face Smolagents 라이브러리로 제작 된 CodeAct 에이전트를 사용합니다. Coct는 문제를 해결하기 위해 코드 스 니펫을 생성하고 실행하는 LLM의 능력을 활용하는 반면, CodeAct는 계획 조치를 위해 코드 생성을 사용합니다. ODS-V2는 여러 도구 및 에이전트를 관리 할 수 있으므로 정교한 계획과 여러 검색 반복이 필요한 복잡한 작업을 해결하는 데 이상적입니다.
ODS 아키텍처 크레디트 : Arxiv
Tyagi는 "Chatgpt 또는 Grok과 같은 도구는 대화 에이전트를 통해 '깊은 연구'를 제공하지만 ODS는 다른 수준에서 작동합니다. 더 많은 수준에서 직접적으로 운영됩니다.
성능 및 실제 결과
오픈 소스 DeepSeek-R1 모델과 짝을 이루어 Perplexity AI 및 OpenAi의 GPT-4O 검색 미리보기와 같은 폐쇄 소스 경쟁 업체와 GPT-4O 및 LLAMA-3.1-70B와 같은 독립형 LLM에 비해 ODS를 테스트에 넣습니다. 그들은 검색 가능 AI 시스템의 정확도를 평가하기 위해 프레임과 SimpleQA 벤치 마크를 사용했습니다.
결과? 인상적인. ODS-V1 및 ODS-V2는 모두 DeepSeek-R1과 팀을 이루었을 때 당연히 당황한 제품의 플래그십 제품을 넘어 섰습니다. DeepSeek-R1이있는 ODS-V2는 Complex Frames 벤치 마크에서 GPT-4O 검색 미리보기를 능가하고 SimpleQA에서 가까이 왔습니다.
매혹적인 통찰력 중 하나는 프레임 워크의 효율성이었습니다. 두 ODS 버전의 추론 에이전트는 검색 도구를 현명하게 사용하는 법을 배웠으며, 종종 초기 결과의 품질에 따라 다른 검색이 필요한지 여부를 결정합니다. 예를 들어, ODS-V2는 프레임의 더 복잡한 멀티 홉 쿼리와 비교하여 단순한 SimpleQA 작업에서 더 적은 수의 웹 검색을 사용하여 리소스 사용을 최적화했습니다.
기업에 대한 시사점
실시간 정보로 강력한 AI 추론 기능을 활용하려는 비즈니스의 경우 ODS는 게임 체인저입니다. 독점 AI 검색 시스템에 대한 투명하고 맞춤형 및 고성능 대안을 제공합니다. 선호하는 오픈 소스 LLM 및 도구를 연결하는 기능은 조직이 AI 스택을 조정하고 단일 공급 업체에 고정되는 것을 피할 수 있음을 의미합니다.
Tyagi는“ODS는 모듈성을 염두에두고 설계되었습니다. "이것은 프롬프트에 제공된 설명을 기반으로 사용할 도구를 동적으로 선택합니다. 이는 사전 노출이 필요하지 않고 잘 설명 된 한 유창하게 익숙하지 않은 도구와 상호 작용할 수 있음을 의미합니다."
그러나 그는 도구 세트가 너무 혼란스러워지면 ODS 성능이 어려워 질 수 있다고 경고했다.
Sensient는 Github에서 ODS 코드를 사용할 수있게 해주었 고 커뮤니티가 탐색하고 기여하도록 초대했습니다.
Tyagi는 "처음에는 당황과 Chatgpt의 강점은 그들의 고급 기술 이었지만 ODS와 함께이 기술 경기장을 평평하게 만들었습니다."라고 Tyagi는 결론지었습니다. "우리는 이제 '개방형 입력 및 열린 출력'전략을 통해 자신의 기능을 능가하는 것을 목표로하여 사용자가 사용자 정의 에이전트를 Sentient Chat에 원활하게 통합 할 수 있습니다."
관련 기사
Use chatgpt para crear una carta de presentación superior: consejos y trucos
Crear un currículum que resume perfectamente su carrera es lo suficientemente desafiante, pero las solicitudes de empleo a menudo también requieren una carta de presentación. Esta carta es su oportunidad de sumergirse en los detalles de por qué está interesado en la empresa, qué lo califica para el puesto y por qué es el mejor sincero
¿Cómo juzga la IA? Antropic estudia los valores de Claude
A medida que los modelos de IA como Claude de Anthrope se involucran cada vez más con los usuarios en valores humanos complejos, desde puntas de crianza hasta conflictos en el lugar de trabajo, sus respuestas reflejan inherentemente un conjunto de principios rectores. Pero, ¿cómo podemos realmente comprender los valores que expresa una IA al interactuar con millones de usuarios? Hormiga
MCP estandariza la conectividad de IA con herramientas y datos: surge un nuevo protocolo
Si te estás sumergiendo en el mundo de la inteligencia artificial (IA), probablemente hayas notado lo crucial que es obtener diferentes modelos de IA, fuentes de datos y herramientas para jugar bien juntos. Ahí es donde entra el Protocolo de contexto del modelo (MCP), actuando como un cambio de juego en la estandarización de la conectividad de IA. T
의견 (0)
0/200
2025년 5월 2일
SamuelThomas
0
기술 세계에 있다면 오픈 딥 스 검색 (ODS)을 둘러싼 버즈, Sentient Foundation의 새로운 오픈 소스 프레임 워크에 대해 들었을 것입니다. ODS는 Perplexity 및 Chatgpt 검색과 같은 독점적 인 AI 검색 엔진에 대한 강력한 대안을 제공하여 파도를 만들고 있으며, 웹 검색 및 기타 도구를 활용하여 쿼리에 효과적으로 답변하는 고급 추론 에이전트를 사용하여 LLM (Langer Models)에 권한을 부여하는 것입니다.
AI 검색 환경
Perplexity 및 Chatgpt 검색과 같은 오늘날의 AI 검색 도구는 LLM의 지식과 추론을 실시간 웹 검색과 결합하여 최신 답변을 제공합니다. 그러나 이러한 시스템은 종종 독점 문 뒤에 잠겨있어 사용자 정의 및 전문 응용 프로그램을 도전 할 수 있습니다.
벤처 비트 (VentureBeat)와 공유 된 Sensient의 공동 설립자 인 Himanshu Tyagi는 "AI 검색의 대부분의 혁신은 폐쇄 문 뒤에서 일어나고 있습니다. 오픈 소스 노력은 역사적으로 유용성과 성능에 뒤쳐져 왔습니다. ODS는 이러한 격차를 막기 위해 열린 시스템이 경쟁 할 수있을뿐만 아니라 잠재적으로 밀폐 된 대응제, 속도 및 유연성을 경쟁 할 수 있음을 증명합니다."
깊은 검색 (ODS) 아키텍처를 엽니 다
ODS는 또 다른 도구가 아닙니다. DeepSeek-R1과 같은 오픈 소스 모델과 GPT-4O 및 Claude와 같은 폐쇄 된 모델과 통합 할 수있는 플러그 앤 플레이 시스템입니다. 핵심에는 ODS에는 두 가지 주요 구성 요소가 있습니다.
열린 검색 도구
이 구성 요소는 쿼리를 가져 와서 웹을 검색하여 관련 정보가 LLM에 컨텍스트로 피드백을 제공합니다. 또한 똑똑하고 다양한 방법으로 쿼리를 광범위하고 다양한 검색을 보장합니다. 검색 엔진에서 결과를 가져 오면 스 니펫과 링크 된 페이지를 추출한 다음 가장 관련성이 높은 콘텐츠에서 청크 및 재 속도를 0으로 사용합니다. Wikipedia, Arxiv 및 PubMed와 같은 특정 출처를 처리하는 데 특히 능숙하며 상충되는 정보에 직면 할 때 신뢰할 수있는 출처를 우선시하라는 메시지가 표시됩니다.
열린 추론 대리인
이 에이전트는 쿼리를 취하고 기본 LLM 및 다양한 도구 (열린 검색 도구 포함)를 사용하여 최종 답변을 제공합니다. Sentient는 OD 내에서 두 개의 별개의 에이전트 아키텍처를 제공합니다.
ODS-V1
이 버전은 COT (Chain-of Thought) 추론과 결합 된 React Agent 프레임 워크를 사용합니다. 반응 에이전트는 추론 단계 ( "생각")와 행동 (검색 도구 사용)과 관찰 (해당 조치의 결과)을 번갈아 가며. ODS-V1은이 프로세스를 통해 답변에 도달합니다. React Agent가 SNAG에 부딪히면 COT의 자기 일관성에 빠지고 여러 COT 응답을 샘플링하고 가장 일반적인 답변을 선택합니다.
ODS-V2
이 버전은 COC (Cain-of-Code)와 Hugging Face Smolagents 라이브러리로 제작 된 CodeAct 에이전트를 사용합니다. Coct는 문제를 해결하기 위해 코드 스 니펫을 생성하고 실행하는 LLM의 능력을 활용하는 반면, CodeAct는 계획 조치를 위해 코드 생성을 사용합니다. ODS-V2는 여러 도구 및 에이전트를 관리 할 수 있으므로 정교한 계획과 여러 검색 반복이 필요한 복잡한 작업을 해결하는 데 이상적입니다.
ODS 아키텍처 크레디트 : Arxiv
Tyagi는 "Chatgpt 또는 Grok과 같은 도구는 대화 에이전트를 통해 '깊은 연구'를 제공하지만 ODS는 다른 수준에서 작동합니다. 더 많은 수준에서 직접적으로 운영됩니다.
성능 및 실제 결과
오픈 소스 DeepSeek-R1 모델과 짝을 이루어 Perplexity AI 및 OpenAi의 GPT-4O 검색 미리보기와 같은 폐쇄 소스 경쟁 업체와 GPT-4O 및 LLAMA-3.1-70B와 같은 독립형 LLM에 비해 ODS를 테스트에 넣습니다. 그들은 검색 가능 AI 시스템의 정확도를 평가하기 위해 프레임과 SimpleQA 벤치 마크를 사용했습니다.
결과? 인상적인. ODS-V1 및 ODS-V2는 모두 DeepSeek-R1과 팀을 이루었을 때 당연히 당황한 제품의 플래그십 제품을 넘어 섰습니다. DeepSeek-R1이있는 ODS-V2는 Complex Frames 벤치 마크에서 GPT-4O 검색 미리보기를 능가하고 SimpleQA에서 가까이 왔습니다.
매혹적인 통찰력 중 하나는 프레임 워크의 효율성이었습니다. 두 ODS 버전의 추론 에이전트는 검색 도구를 현명하게 사용하는 법을 배웠으며, 종종 초기 결과의 품질에 따라 다른 검색이 필요한지 여부를 결정합니다. 예를 들어, ODS-V2는 프레임의 더 복잡한 멀티 홉 쿼리와 비교하여 단순한 SimpleQA 작업에서 더 적은 수의 웹 검색을 사용하여 리소스 사용을 최적화했습니다.
기업에 대한 시사점
실시간 정보로 강력한 AI 추론 기능을 활용하려는 비즈니스의 경우 ODS는 게임 체인저입니다. 독점 AI 검색 시스템에 대한 투명하고 맞춤형 및 고성능 대안을 제공합니다. 선호하는 오픈 소스 LLM 및 도구를 연결하는 기능은 조직이 AI 스택을 조정하고 단일 공급 업체에 고정되는 것을 피할 수 있음을 의미합니다.
Tyagi는“ODS는 모듈성을 염두에두고 설계되었습니다. "이것은 프롬프트에 제공된 설명을 기반으로 사용할 도구를 동적으로 선택합니다. 이는 사전 노출이 필요하지 않고 잘 설명 된 한 유창하게 익숙하지 않은 도구와 상호 작용할 수 있음을 의미합니다."
그러나 그는 도구 세트가 너무 혼란스러워지면 ODS 성능이 어려워 질 수 있다고 경고했다.
Sensient는 Github에서 ODS 코드를 사용할 수있게 해주었 고 커뮤니티가 탐색하고 기여하도록 초대했습니다.
Tyagi는 "처음에는 당황과 Chatgpt의 강점은 그들의 고급 기술 이었지만 ODS와 함께이 기술 경기장을 평평하게 만들었습니다."라고 Tyagi는 결론지었습니다. "우리는 이제 '개방형 입력 및 열린 출력'전략을 통해 자신의 기능을 능가하는 것을 목표로하여 사용자가 사용자 정의 에이전트를 Sentient Chat에 원활하게 통합 할 수 있습니다."
Use chatgpt para crear una carta de presentación superior: consejos y trucos
Crear un currículum que resume perfectamente su carrera es lo suficientemente desafiante, pero las solicitudes de empleo a menudo también requieren una carta de presentación. Esta carta es su oportunidad de sumergirse en los detalles de por qué está interesado en la empresa, qué lo califica para el puesto y por qué es el mejor sincero
¿Cómo juzga la IA? Antropic estudia los valores de Claude
A medida que los modelos de IA como Claude de Anthrope se involucran cada vez más con los usuarios en valores humanos complejos, desde puntas de crianza hasta conflictos en el lugar de trabajo, sus respuestas reflejan inherentemente un conjunto de principios rectores. Pero, ¿cómo podemos realmente comprender los valores que expresa una IA al interactuar con millones de usuarios? Hormiga
MCP estandariza la conectividad de IA con herramientas y datos: surge un nuevo protocolo
Si te estás sumergiendo en el mundo de la inteligencia artificial (IA), probablemente hayas notado lo crucial que es obtener diferentes modelos de IA, fuentes de datos y herramientas para jugar bien juntos. Ahí es donde entra el Protocolo de contexto del modelo (MCP), actuando como un cambio de juego en la estandarización de la conectividad de IA. T
