Откроется глубокий поиск, чтобы оспорить недоумение и поиск в CHATGPT
2 мая 2025 г.
SamuelThomas
0
Если вы находитесь в мире технологий, вы, скорее всего, слышали о гудении, окружающем открытый глубокий поиск (ODS), новую структуру с открытым исходным кодом из The Wentive Foundation. ODS делает волны, предлагая надежную альтернативу проприетарным поисковым системам, таким как недоумение и поиск CHATGPT, и все о расширении возможностей крупных языковых моделей (LLMS) с расширенными агентами, которые используют веб -поиск и другие инструменты, чтобы эффективно отвечать на ваши запросы.
Ландшафт поиска ИИ
Сегодняшние инструменты поиска искусственного интеллекта, такие как смущение и поиск CHATGPT, впечатляют, сочетающие знания и рассуждения LLMS с помощью веб-поиска в реальном времени для предоставления актуальных ответов. Тем не менее, эти системы часто заблокированы за проприетарными дверями, которые могут сделать настройку и специализированные приложения проблемой.
Химаншу Тьяги, соучредитель Indient, поделился с Venturebeat, «большинство инноваций в поиске искусственного интеллекта происходили за закрытыми дверями. Исторически отставали усилия с открытым исходным кодом.
Откройте архитектуру глубокого поиска (ODS)
ODS не просто еще один инструмент; Это система подключаемой игры, которую вы можете интегрировать как с моделями с открытым исходным кодом, такими как DeepSeek-R1, так и с закрытыми моделями, такими как GPT-4O и Claude. По своей сути ODS имеет два основных компонента:
Открытый инструмент поиска
Этот компонент берет ваш запрос и исчезает в Интернете для соответствующей информации, чтобы вернуться к LLM в качестве контекста. Это тоже умно - он перефразирует ваш запрос различными способами для обеспечения широкого и разнообразного поиска. После получения результатов поисковой системы она извлекает фрагменты и связанные страницы, а затем использует Chunking и повторную оценку, чтобы нулевать наиболее релевантный контент. Это особенно искусно обработать конкретные источники, такие как Википедия, Arxiv и PubMed, и может быть предложено определить приоритеты надежных источников при столкновении с противоречивой информацией.
Открытый агент по рассуждениям
Этот агент берет ваш запрос и, используя базовый LLM и различные инструменты (включая инструмент открытого поиска), создает окончательный ответ. Раздувание предлагает две отдельные агентские архитектуры в ODS:
ODS-V1
В этой версии используется рамка реагирования агента в сочетании с рассуждением цепей мыслей (COT). Агенты реагирования чередуются между шагами рассуждения («мысли») и действиями (например, использованием инструмента поиска) и наблюдениями (результаты этих действий). ODS-V1 итерация проходит через этот процесс, чтобы достичь ответа. Если агент React попадает в ловушку, он возвращается к самосогласованности Cot, отбирая выборку нескольких ответов Cot и выбирая наиболее распространенный ответ.
ODS-V2
В этой версии используются цепочка кода (COC) и агент CodeAct, построенный из библиотеки Smolagents с обнимающим лицом. COC использует способность LLM генерировать и выполнять фрагменты кода для решения проблем, в то время как CodeAct использует генерацию кода для действий планирования. ODS-V2 может управлять несколькими инструментами и агентами, что делает его идеальным для выполнения сложных задач, которые могут потребовать сложного планирования и нескольких поисковых итераций.
ADS Архитектура Кредит: Arxiv
Тяги объяснил: «В то время как такие инструменты, как Chatgpt или Grok, предлагают« глубокие исследования »с помощью разговорных агентов, ODS работает на другом уровне - больше, как инфраструктура, стоящая за озадачностью AI, что обеспечивает основную архитектуру, которая способствует интеллектуальному поиску, а не только сводным».
Производительность и практические результаты
Взятый проведен в проверку, сочетая его с моделью Deepseek-R1 с открытым исходным кодом и противопоставляя ее против конкурентов с замкнутым исходным кодом, таких как Perplexity AI и Openai's GPT-4O Preview, а также отдельные LLMS, такие как GPT-4O и LLAMA-3.1-70B. Они использовали кадры и простые тесты, адаптированные для оценки точности систем ИИ с поддержкой поиска.
Результаты? Впечатляющий. Как ODS-V1, так и ODS-V2, объединившись с флагманскими продуктами DeepSeek-R1, затмили флагманские продукты. ODS-V2 с DeepSeek-R1 даже превзошел предварительный просмотр поиска GPT-4O на тесте комплексных кадров и приблизился к Simpleqa.
Одним из увлекательных пониманий была эффективность структуры. Агенты рассуждений в обеих версиях ODS научились разумно использовать инструмент поиска, часто решая, необходим ли другой поиск на основе качества первоначальных результатов. Например, ODS-V2 использовал меньше веб-поисков в более простых задачах SimpleQA по сравнению с более сложными, многоуровневыми запросами в кадрах с оптимизацией использования ресурсов.
Последствия для предприятия
Для предприятий, стремящихся использовать мощные возможности рассуждения искусственного интеллекта с информацией в реальном времени, ODS-это изменение игры. Он предлагает прозрачную, настраиваемую и высокоэффективную альтернативу проприетарным системам поиска ИИ. Возможность подключить предпочтительные LLM и инструменты с открытым исходным кодом означает, что организации могут адаптировать свой стек ИИ и избежать заблокированного в одного поставщика.
«ODS был разработан с учетом модульности», - отметил Тяги. «Он динамически выбирает, какие инструменты использовать на основе описаний, представленных в приглашении. Это означает, что он может свободно взаимодействовать с незнакомыми инструментами-до тех пор, пока они хорошо описаны-без необходимости предварительного воздействия».
Тем не менее, он предупредил, что производительность ODS может пострадать, если набор инструментов станет слишком загроможденным, «такой осторожный дизайн имеет решающее значение».
Indient предоставил код ODS доступным на GitHub, приглашая сообщество исследовать и внести свой вклад.
«Первоначально сила недоумения и CHATGPT была их передовой технологией, но с ODS мы выровняли это технологическое игровое поле», - заключил Тиаги. «Теперь мы стремимся превзойти их возможности посредством нашей стратегии« открытых входов и открытых выходов », позволяя пользователям плавно интегрировать пользовательские агенты в разумный чат».
Связанная статья
Verwenden Sie Chatgpt, um ein überlegenes Anschreiben zu erstellen: Tipps und Tricks
Das Erstellen eines Lebenslaufs, der Ihre Karriere perfekt zusammenfasst, ist eine Herausforderung, aber Bewerbungen erfordern häufig auch ein Anschreiben. Dieser Brief ist Ihre Chance, sich mit den Einzelheiten zu befassen, warum Sie sich für das Unternehmen interessieren, was Sie für die Position qualifiziert und warum Sie die beste ehrliche Menschen sind
Wie beurteilen AI? Anthropische Untersuchungen der Werte von Claude
Da AI -Modelle wie Anthropics Claude zunehmend mit Benutzern über komplexe menschliche Werte in Kontakt treten, von Elterntipps bis hin zu Konflikten am Arbeitsplatz spiegeln inhärent eine Reihe von Leitprinzipien wider. Aber wie können wir die Werte, die eine KI ausdrückt, wirklich erfassen, wenn wir mit Millionen von Benutzern interagieren? Ameise
MCP standardisiert die KI -Konnektivität mit Tools und Daten: Ein neues Protokoll entsteht
Wenn Sie in die Welt der künstlichen Intelligenz (KI) eintauchen, haben Sie wahrscheinlich bemerkt, wie wichtig es ist, verschiedene KI -Modelle, Datenquellen und Tools zu erhalten, um gut zusammen zu spielen. Hier kommt das Modellkontextprotokoll (MCP) ins Spiel und fungiert als Game-Changer bei der Standardisierung der KI-Konnektivität. T
Комментарии (0)
2 мая 2025 г.
SamuelThomas
0
Если вы находитесь в мире технологий, вы, скорее всего, слышали о гудении, окружающем открытый глубокий поиск (ODS), новую структуру с открытым исходным кодом из The Wentive Foundation. ODS делает волны, предлагая надежную альтернативу проприетарным поисковым системам, таким как недоумение и поиск CHATGPT, и все о расширении возможностей крупных языковых моделей (LLMS) с расширенными агентами, которые используют веб -поиск и другие инструменты, чтобы эффективно отвечать на ваши запросы.
Ландшафт поиска ИИ
Сегодняшние инструменты поиска искусственного интеллекта, такие как смущение и поиск CHATGPT, впечатляют, сочетающие знания и рассуждения LLMS с помощью веб-поиска в реальном времени для предоставления актуальных ответов. Тем не менее, эти системы часто заблокированы за проприетарными дверями, которые могут сделать настройку и специализированные приложения проблемой.
Химаншу Тьяги, соучредитель Indient, поделился с Venturebeat, «большинство инноваций в поиске искусственного интеллекта происходили за закрытыми дверями. Исторически отставали усилия с открытым исходным кодом.
Откройте архитектуру глубокого поиска (ODS)
ODS не просто еще один инструмент; Это система подключаемой игры, которую вы можете интегрировать как с моделями с открытым исходным кодом, такими как DeepSeek-R1, так и с закрытыми моделями, такими как GPT-4O и Claude. По своей сути ODS имеет два основных компонента:
Открытый инструмент поиска
Этот компонент берет ваш запрос и исчезает в Интернете для соответствующей информации, чтобы вернуться к LLM в качестве контекста. Это тоже умно - он перефразирует ваш запрос различными способами для обеспечения широкого и разнообразного поиска. После получения результатов поисковой системы она извлекает фрагменты и связанные страницы, а затем использует Chunking и повторную оценку, чтобы нулевать наиболее релевантный контент. Это особенно искусно обработать конкретные источники, такие как Википедия, Arxiv и PubMed, и может быть предложено определить приоритеты надежных источников при столкновении с противоречивой информацией.
Открытый агент по рассуждениям
Этот агент берет ваш запрос и, используя базовый LLM и различные инструменты (включая инструмент открытого поиска), создает окончательный ответ. Раздувание предлагает две отдельные агентские архитектуры в ODS:
ODS-V1
В этой версии используется рамка реагирования агента в сочетании с рассуждением цепей мыслей (COT). Агенты реагирования чередуются между шагами рассуждения («мысли») и действиями (например, использованием инструмента поиска) и наблюдениями (результаты этих действий). ODS-V1 итерация проходит через этот процесс, чтобы достичь ответа. Если агент React попадает в ловушку, он возвращается к самосогласованности Cot, отбирая выборку нескольких ответов Cot и выбирая наиболее распространенный ответ.
ODS-V2
В этой версии используются цепочка кода (COC) и агент CodeAct, построенный из библиотеки Smolagents с обнимающим лицом. COC использует способность LLM генерировать и выполнять фрагменты кода для решения проблем, в то время как CodeAct использует генерацию кода для действий планирования. ODS-V2 может управлять несколькими инструментами и агентами, что делает его идеальным для выполнения сложных задач, которые могут потребовать сложного планирования и нескольких поисковых итераций.
ADS Архитектура Кредит: Arxiv
Тяги объяснил: «В то время как такие инструменты, как Chatgpt или Grok, предлагают« глубокие исследования »с помощью разговорных агентов, ODS работает на другом уровне - больше, как инфраструктура, стоящая за озадачностью AI, что обеспечивает основную архитектуру, которая способствует интеллектуальному поиску, а не только сводным».
Производительность и практические результаты
Взятый проведен в проверку, сочетая его с моделью Deepseek-R1 с открытым исходным кодом и противопоставляя ее против конкурентов с замкнутым исходным кодом, таких как Perplexity AI и Openai's GPT-4O Preview, а также отдельные LLMS, такие как GPT-4O и LLAMA-3.1-70B. Они использовали кадры и простые тесты, адаптированные для оценки точности систем ИИ с поддержкой поиска.
Результаты? Впечатляющий. Как ODS-V1, так и ODS-V2, объединившись с флагманскими продуктами DeepSeek-R1, затмили флагманские продукты. ODS-V2 с DeepSeek-R1 даже превзошел предварительный просмотр поиска GPT-4O на тесте комплексных кадров и приблизился к Simpleqa.
Одним из увлекательных пониманий была эффективность структуры. Агенты рассуждений в обеих версиях ODS научились разумно использовать инструмент поиска, часто решая, необходим ли другой поиск на основе качества первоначальных результатов. Например, ODS-V2 использовал меньше веб-поисков в более простых задачах SimpleQA по сравнению с более сложными, многоуровневыми запросами в кадрах с оптимизацией использования ресурсов.
Последствия для предприятия
Для предприятий, стремящихся использовать мощные возможности рассуждения искусственного интеллекта с информацией в реальном времени, ODS-это изменение игры. Он предлагает прозрачную, настраиваемую и высокоэффективную альтернативу проприетарным системам поиска ИИ. Возможность подключить предпочтительные LLM и инструменты с открытым исходным кодом означает, что организации могут адаптировать свой стек ИИ и избежать заблокированного в одного поставщика.
«ODS был разработан с учетом модульности», - отметил Тяги. «Он динамически выбирает, какие инструменты использовать на основе описаний, представленных в приглашении. Это означает, что он может свободно взаимодействовать с незнакомыми инструментами-до тех пор, пока они хорошо описаны-без необходимости предварительного воздействия».
Тем не менее, он предупредил, что производительность ODS может пострадать, если набор инструментов станет слишком загроможденным, «такой осторожный дизайн имеет решающее значение».
Indient предоставил код ODS доступным на GitHub, приглашая сообщество исследовать и внести свой вклад.
«Первоначально сила недоумения и CHATGPT была их передовой технологией, но с ODS мы выровняли это технологическое игровое поле», - заключил Тиаги. «Теперь мы стремимся превзойти их возможности посредством нашей стратегии« открытых входов и открытых выходов », позволяя пользователям плавно интегрировать пользовательские агенты в разумный чат».
Verwenden Sie Chatgpt, um ein überlegenes Anschreiben zu erstellen: Tipps und Tricks
Das Erstellen eines Lebenslaufs, der Ihre Karriere perfekt zusammenfasst, ist eine Herausforderung, aber Bewerbungen erfordern häufig auch ein Anschreiben. Dieser Brief ist Ihre Chance, sich mit den Einzelheiten zu befassen, warum Sie sich für das Unternehmen interessieren, was Sie für die Position qualifiziert und warum Sie die beste ehrliche Menschen sind
Wie beurteilen AI? Anthropische Untersuchungen der Werte von Claude
Da AI -Modelle wie Anthropics Claude zunehmend mit Benutzern über komplexe menschliche Werte in Kontakt treten, von Elterntipps bis hin zu Konflikten am Arbeitsplatz spiegeln inhärent eine Reihe von Leitprinzipien wider. Aber wie können wir die Werte, die eine KI ausdrückt, wirklich erfassen, wenn wir mit Millionen von Benutzern interagieren? Ameise
MCP standardisiert die KI -Konnektivität mit Tools und Daten: Ein neues Protokoll entsteht
Wenn Sie in die Welt der künstlichen Intelligenz (KI) eintauchen, haben Sie wahrscheinlich bemerkt, wie wichtig es ist, verschiedene KI -Modelle, Datenquellen und Tools zu erhalten, um gut zusammen zu spielen. Hier kommt das Modellkontextprotokoll (MCP) ins Spiel und fungiert als Game-Changer bei der Standardisierung der KI-Konnektivität. T
