A pesquisa profunda chega para desafiar a perplexidade e a pesquisa de chatgpt
2 de Maio de 2025
SamuelThomas
0
Se você está no mundo da tecnologia, provavelmente já ouviu falar sobre o burburinho em torno de Open Deep Search (ODS), a nova estrutura de código aberto da fundação senciente. O ODS está fazendo ondas oferecendo uma alternativa robusta aos mecanismos de busca de IA proprietários, como perplexidade e pesquisa de chatgpt, e trata -se de capacitar modelos de grandes idiomas (LLMS) com agentes de raciocínio avançados que aproveitam a pesquisa na web e outras ferramentas para responder suas consultas efetivamente.
O cenário de busca da IA
As ferramentas de pesquisa de IA de hoje, como perplexidade e pesquisa de chatgpt, são impressionantes, combinando o conhecimento e o raciocínio dos LLMs com a pesquisa na Web em tempo real para fornecer respostas atualizadas. No entanto, esses sistemas geralmente são trancados atrás das portas proprietárias, o que pode tornar a personalização e os aplicativos especializados um desafio.
Himanshu Tyagi, co-fundador da Senciente, compartilhado com a VentureBeat, "a maior parte da inovação na pesquisa de IA vem acontecendo a portas fechadas. Os esforços de código aberto historicamente atrasados na usabilidade e no desempenho. ODS visa preencher essa lacuna, provando que os sistemas abertos não podem apenas competir, mas superar potencialmente os contrários fechados na qualidade, e a velocidade e a velocidade e a velocidade e a velocidade e a velocidade e a velocidade e a velocidade e a flexibilidade dos ODS são complementados.
Arquitetura de pesquisa profunda aberta (ODS)
ODS não é apenas mais uma ferramenta; É um sistema plug-and-play que você pode integrar a modelos de código aberto como Deepseek-R1 e modelos fechados como GPT-4O e Claude. Na sua essência, o ODS tem dois componentes principais:
Ferramenta de pesquisa aberta
Este componente leva sua consulta e vasculha a Web em busca de informações relevantes para alimentar o LLM como contexto. Também é inteligente - refrases sua consulta de várias maneiras para garantir uma pesquisa ampla e diversificada. Após a busca dos resultados de um mecanismo de pesquisa, ele extrai snippets e páginas vinculadas e, em seguida, usa o Chunking e o renomeamento para se concentrar no conteúdo mais relevante. É particularmente adepto de lidar com fontes específicas como Wikipedia, Arxiv e PubMed, e pode ser solicitado a priorizar fontes confiáveis quando confrontadas com informações conflitantes.
Agente de raciocínio aberto
Este agente pega sua consulta e, usando o LLM base e várias ferramentas (incluindo a ferramenta de pesquisa aberta), cria uma resposta final. O senciente oferece duas arquiteturas de agentes distintas dentro do ODS:
ODS-V1
Esta versão usa uma estrutura do React Agent combinada com o raciocínio da cadeia de pensamento (COT). Os agentes do React alternam entre as etapas de raciocínio ("pensamentos") e as ações (como usar a ferramenta de pesquisa) e observações (os resultados dessas ações). ODS-V1 itera através desse processo para alcançar uma resposta. Se o agente do React atingir um obstáculo, ele recorre à autoconsistência do COT, amostrando várias respostas do BOT e escolhendo a resposta mais comum.
ODS-V2
Esta versão emprega a cadeia de código (COC) e um agente de código, construído com a Biblioteca Smolagents de Hugging Face. O COC aproveita a capacidade do LLM de gerar e executar trechos de código para resolver problemas, enquanto o CodeACT usa geração de código para ações de planejamento. O ODS-V2 pode gerenciar várias ferramentas e agentes, tornando-o ideal para enfrentar tarefas complexas que podem precisar de planejamento sofisticado e várias iterações de pesquisa.
Crédito da arquitetura ODS: arxiv
Tyagi explicou: "Enquanto ferramentas como ChatGPT ou Grok oferecem 'pesquisa profunda' por meio de agentes de conversação, o ODS opera em um nível diferente - mais como a infraestrutura por trás da perplexidade AI - fornecendo a arquitetura subjacente que alimenta a recuperação inteligente, não apenas a resumo".
Desempenho e resultados práticos
O senciente colocou os ODs à prova, emparelhando-o com o modelo Deepseek-R1 de código aberto e colocando-o contra concorrentes de código fechado, como Perplexity AI e a pré-visualização de pesquisa do GPT-4O da OpenAI, além de LLMs independentes como GPT-4O e LLAMA-3.1-70B. Eles usaram os quadros e os benchmarks simples do SimpleQA, adaptados para avaliar a precisão dos sistemas de IA habilitados para pesquisa.
Os resultados? Impressionante. Tanto o ODS-V1 quanto o ODS-V2, quando se uniram à Deepseek-R1, superaram os principais produtos da Perplexity. O ODS-V2 com Deepseek-R1 até superou a pré-visualização de pesquisa do GPT-4O no benchmark complexo de quadros e chegou perto do SimpleQA.
Uma visão fascinante foi a eficiência da estrutura. Os agentes de raciocínio nas duas versões do ODS aprenderam a usar a ferramenta de pesquisa com sabedoria, geralmente decidindo se outra pesquisa era necessária com base na qualidade dos resultados iniciais. Por exemplo, o ODS-V2 usou menos pesquisas na Web nas tarefas simples simples do SimpleQA em comparação com as consultas mais complexas e multi-hop nos quadros, otimizando o uso de recursos.
Implicações para a empresa
Para as empresas que desejam aproveitar poderosos recursos de raciocínio de IA com informações em tempo real, o ODS é um divisor de águas. Oferece uma alternativa transparente, personalizável e de alto desempenho aos sistemas de pesquisa de IA proprietários. A capacidade de conectar LLMs e ferramentas preferidas de código aberto significa que as organizações podem adaptar sua pilha de IA e evitar estar preso a um único fornecedor.
"ODS foi projetado com modularidade em mente", observou Tyagi. "Ele seleciona dinamicamente quais ferramentas usar com base nas descrições fornecidas no prompt. Isso significa que ele pode interagir com ferramentas desconhecidas fluentemente-desde que elas sejam bem descritas-sem a necessidade de exposição prévia".
No entanto, ele alertou que o desempenho do ODS pode sofrer se o conjunto de ferramentas ficar muito confuso, "o design tão cuidadoso é crucial".
O senciente disponibilizou o código ODS no Github, convidando a comunidade a explorar e contribuir.
"Inicialmente, a força da perplexidade e do chatgpt era sua tecnologia avançada, mas com os ODs, nivelamos esse campo de jogo tecnológico", concluiu Tyagi. "Agora, pretendemos superar seus recursos por meio de nossa estratégia de 'entradas abertas e saídas abertas', permitindo que os usuários integrem perfeitamente agentes personalizados ao bate -papo senciente".
Artigo relacionado
Use Chatgpt para criar uma carta de apresentação superior: Dicas e truques
Criar um currículo que resume perfeitamente sua carreira é bastante desafiador, mas os pedidos de emprego geralmente exigem uma carta de apresentação também. Esta carta é sua chance de mergulhar nas especificidades de por que você está interessado na empresa, o que o qualifica para o cargo e por que você é o melhor sincero
Como a IA juiz? Estudos antrópicos os valores de Claude
À medida que os modelos de IA como Claude do Anthrópico se envolvem cada vez mais com os usuários em valores humanos complexos, desde dicas de parentalidade a conflitos no local de trabalho, suas respostas refletem inerentemente um conjunto de princípios orientadores. Mas como podemos realmente entender os valores que uma IA expressa ao interagir com milhões de usuários? Formiga
MCP padroniza a conectividade AI com ferramentas e dados: um novo protocolo emerge
Se você está mergulhando no mundo da inteligência artificial (IA), provavelmente percebeu o quão crucial é obter diferentes modelos de IA, fontes de dados e ferramentas para jogar bem juntos. É aí que entra o protocolo de contexto do modelo (MCP), atuando como um divisor de águas na padronização da conectividade da IA. T
Comentários (0)
0/200
2 de Maio de 2025
SamuelThomas
0
Se você está no mundo da tecnologia, provavelmente já ouviu falar sobre o burburinho em torno de Open Deep Search (ODS), a nova estrutura de código aberto da fundação senciente. O ODS está fazendo ondas oferecendo uma alternativa robusta aos mecanismos de busca de IA proprietários, como perplexidade e pesquisa de chatgpt, e trata -se de capacitar modelos de grandes idiomas (LLMS) com agentes de raciocínio avançados que aproveitam a pesquisa na web e outras ferramentas para responder suas consultas efetivamente.
O cenário de busca da IA
As ferramentas de pesquisa de IA de hoje, como perplexidade e pesquisa de chatgpt, são impressionantes, combinando o conhecimento e o raciocínio dos LLMs com a pesquisa na Web em tempo real para fornecer respostas atualizadas. No entanto, esses sistemas geralmente são trancados atrás das portas proprietárias, o que pode tornar a personalização e os aplicativos especializados um desafio.
Himanshu Tyagi, co-fundador da Senciente, compartilhado com a VentureBeat, "a maior parte da inovação na pesquisa de IA vem acontecendo a portas fechadas. Os esforços de código aberto historicamente atrasados na usabilidade e no desempenho. ODS visa preencher essa lacuna, provando que os sistemas abertos não podem apenas competir, mas superar potencialmente os contrários fechados na qualidade, e a velocidade e a velocidade e a velocidade e a velocidade e a velocidade e a velocidade e a velocidade e a flexibilidade dos ODS são complementados.
Arquitetura de pesquisa profunda aberta (ODS)
ODS não é apenas mais uma ferramenta; É um sistema plug-and-play que você pode integrar a modelos de código aberto como Deepseek-R1 e modelos fechados como GPT-4O e Claude. Na sua essência, o ODS tem dois componentes principais:
Ferramenta de pesquisa aberta
Este componente leva sua consulta e vasculha a Web em busca de informações relevantes para alimentar o LLM como contexto. Também é inteligente - refrases sua consulta de várias maneiras para garantir uma pesquisa ampla e diversificada. Após a busca dos resultados de um mecanismo de pesquisa, ele extrai snippets e páginas vinculadas e, em seguida, usa o Chunking e o renomeamento para se concentrar no conteúdo mais relevante. É particularmente adepto de lidar com fontes específicas como Wikipedia, Arxiv e PubMed, e pode ser solicitado a priorizar fontes confiáveis quando confrontadas com informações conflitantes.
Agente de raciocínio aberto
Este agente pega sua consulta e, usando o LLM base e várias ferramentas (incluindo a ferramenta de pesquisa aberta), cria uma resposta final. O senciente oferece duas arquiteturas de agentes distintas dentro do ODS:
ODS-V1
Esta versão usa uma estrutura do React Agent combinada com o raciocínio da cadeia de pensamento (COT). Os agentes do React alternam entre as etapas de raciocínio ("pensamentos") e as ações (como usar a ferramenta de pesquisa) e observações (os resultados dessas ações). ODS-V1 itera através desse processo para alcançar uma resposta. Se o agente do React atingir um obstáculo, ele recorre à autoconsistência do COT, amostrando várias respostas do BOT e escolhendo a resposta mais comum.
ODS-V2
Esta versão emprega a cadeia de código (COC) e um agente de código, construído com a Biblioteca Smolagents de Hugging Face. O COC aproveita a capacidade do LLM de gerar e executar trechos de código para resolver problemas, enquanto o CodeACT usa geração de código para ações de planejamento. O ODS-V2 pode gerenciar várias ferramentas e agentes, tornando-o ideal para enfrentar tarefas complexas que podem precisar de planejamento sofisticado e várias iterações de pesquisa.
Crédito da arquitetura ODS: arxiv
Tyagi explicou: "Enquanto ferramentas como ChatGPT ou Grok oferecem 'pesquisa profunda' por meio de agentes de conversação, o ODS opera em um nível diferente - mais como a infraestrutura por trás da perplexidade AI - fornecendo a arquitetura subjacente que alimenta a recuperação inteligente, não apenas a resumo".
Desempenho e resultados práticos
O senciente colocou os ODs à prova, emparelhando-o com o modelo Deepseek-R1 de código aberto e colocando-o contra concorrentes de código fechado, como Perplexity AI e a pré-visualização de pesquisa do GPT-4O da OpenAI, além de LLMs independentes como GPT-4O e LLAMA-3.1-70B. Eles usaram os quadros e os benchmarks simples do SimpleQA, adaptados para avaliar a precisão dos sistemas de IA habilitados para pesquisa.
Os resultados? Impressionante. Tanto o ODS-V1 quanto o ODS-V2, quando se uniram à Deepseek-R1, superaram os principais produtos da Perplexity. O ODS-V2 com Deepseek-R1 até superou a pré-visualização de pesquisa do GPT-4O no benchmark complexo de quadros e chegou perto do SimpleQA.
Uma visão fascinante foi a eficiência da estrutura. Os agentes de raciocínio nas duas versões do ODS aprenderam a usar a ferramenta de pesquisa com sabedoria, geralmente decidindo se outra pesquisa era necessária com base na qualidade dos resultados iniciais. Por exemplo, o ODS-V2 usou menos pesquisas na Web nas tarefas simples simples do SimpleQA em comparação com as consultas mais complexas e multi-hop nos quadros, otimizando o uso de recursos.
Implicações para a empresa
Para as empresas que desejam aproveitar poderosos recursos de raciocínio de IA com informações em tempo real, o ODS é um divisor de águas. Oferece uma alternativa transparente, personalizável e de alto desempenho aos sistemas de pesquisa de IA proprietários. A capacidade de conectar LLMs e ferramentas preferidas de código aberto significa que as organizações podem adaptar sua pilha de IA e evitar estar preso a um único fornecedor.
"ODS foi projetado com modularidade em mente", observou Tyagi. "Ele seleciona dinamicamente quais ferramentas usar com base nas descrições fornecidas no prompt. Isso significa que ele pode interagir com ferramentas desconhecidas fluentemente-desde que elas sejam bem descritas-sem a necessidade de exposição prévia".
No entanto, ele alertou que o desempenho do ODS pode sofrer se o conjunto de ferramentas ficar muito confuso, "o design tão cuidadoso é crucial".
O senciente disponibilizou o código ODS no Github, convidando a comunidade a explorar e contribuir.
"Inicialmente, a força da perplexidade e do chatgpt era sua tecnologia avançada, mas com os ODs, nivelamos esse campo de jogo tecnológico", concluiu Tyagi. "Agora, pretendemos superar seus recursos por meio de nossa estratégia de 'entradas abertas e saídas abertas', permitindo que os usuários integrem perfeitamente agentes personalizados ao bate -papo senciente".
Use Chatgpt para criar uma carta de apresentação superior: Dicas e truques
Criar um currículo que resume perfeitamente sua carreira é bastante desafiador, mas os pedidos de emprego geralmente exigem uma carta de apresentação também. Esta carta é sua chance de mergulhar nas especificidades de por que você está interessado na empresa, o que o qualifica para o cargo e por que você é o melhor sincero
Como a IA juiz? Estudos antrópicos os valores de Claude
À medida que os modelos de IA como Claude do Anthrópico se envolvem cada vez mais com os usuários em valores humanos complexos, desde dicas de parentalidade a conflitos no local de trabalho, suas respostas refletem inerentemente um conjunto de princípios orientadores. Mas como podemos realmente entender os valores que uma IA expressa ao interagir com milhões de usuários? Formiga
MCP padroniza a conectividade AI com ferramentas e dados: um novo protocolo emerge
Se você está mergulhando no mundo da inteligência artificial (IA), provavelmente percebeu o quão crucial é obter diferentes modelos de IA, fontes de dados e ferramentas para jogar bem juntos. É aí que entra o protocolo de contexto do modelo (MCP), atuando como um divisor de águas na padronização da conectividade da IA. T
