打开深搜索到达以挑战困惑和chatgpt搜索
2025年05月02日
SamuelThomas
0
如果您在科技界中，您可能会听说过围绕开放式深度搜索（ODS）的嗡嗡声，这是来自Sectient Foundation的新开源框架。 ODS通过提供专有AI搜索引擎（如困惑和ChatGpt搜索）的强大替代方案来引起波浪，而这一切都是关于将大型语言模型（LLMS）授权使用高级推理代理，可利用Web搜索和其他工具来有效地回答您的查询。
AI搜索景观
当今的AI搜索工具（例如困惑和CHATGPT搜索）令人印象深刻，将LLM的知识和推理与实时Web搜索相结合以提供最新的答案。但是，这些系统通常被锁定在专有门后面，这可能会使自定义和专业应用程序成为挑战。
Sectient的联合创始人Himanshu Tyagi与VentureBeat共享，“ AI搜索中的大多数创新一直在闭门造车后面。历史上一直在闭门造车上落后于可用性和性能。ODS旨在弥合这一差距，证明开放的系统不仅可以竞争竞争，而且可以超越封闭的封闭式，并在质量，Qualtial和Pertectibility和Pertectibles和Pertectiments和Pertiorpers和Pertortibals and Pertectapers上。”
开放深度搜索（ODS）体系结构
ODS不仅仅是另一个工具。这是一个插件系统，您可以与DeepSeek-R1（例如GPT-4O和Claude）等开源型号进行集成。 ODS的核心有两个主要组成部分：
打开搜索工具
此组件会带您查询，并搜索网络以获取相关信息，以回馈LLM作为上下文。它也很聪明 - 它以各种方式重述您的查询，以确保广泛而多样化的搜索。从搜索引擎获取结果后，它提取片段和链接页面，然后将块和重新排列至最相关的内容中的零。它尤其擅长处理Wikipedia，Arxiv和PubMed等特定来源，并且可以在面对相互矛盾的信息时提示优先考虑可靠来源。
开放推理代理
该代理商采用您的查询，并使用基本LLM和各种工具（包括开放搜索工具）来制作最终答案。 Soncient在ODS中提供了两个不同的代理体系结构：
ODS-V1
此版本使用了一个反应代理框架与经过思考链（COT）推理相结合。反应代理在推理步骤（“思想”）和动作（例如使用搜索工具）和观察（这些动作的结果）之间进行交替。 ODS-V1在此过程中迭代以达到答案。如果React代理击中障碍，它将依靠COT的自愿性，对多个COT响应进行采样并选择最常见的答案。
ODS-V2
此版本采用了用拥抱面孔的Smolagents库构建的代码链（COC）和代码代理。 COC利用LLM生成和执行代码段以解决问题的能力，而CodeAct则使用代码生成进行计划操作。 ODS-V2可以管理多个工具和代理，使其非常适合解决可能需要复杂的计划和多次搜索迭代的复杂任务。
ODS架构信用：Arxiv
Tyagi解释说：“虽然Chatgpt或Grok等工具通过对话代理提供了'深入研究'，但ODS在不同层面上运作（更像是困惑AI背后的基础架构），以提供智能检索的基础架构，而不仅仅是摘要。”
绩效和实际结果
Soncient通过将ODS与开源DeepSeek-R1型号配对，并将其与Plyplexity AI和OpenAI的GPT-4O搜索预览（例如GPT-4O和Llama-3.1-70B）等封闭源竞争者进行拟合。他们使用了框架和SimpleQA基准测试，以评估搜索启用AI系统的准确性。
结果？感人的。 ODS-V1和ODS-V2与DeepSeek-R1合作时，都超出了困惑的旗舰产品。具有DeepSeek-R1的ODS-V2甚至超过了复杂帧基准测试的GPT-4O搜索预览，并在SimpleQA上接近。
一个令人着迷的见解是框架的效率。两个ODS版本中的推理代理都学会了明智地使用搜索工具，通常会根据初始结果的质量来决定是否需要其他搜索。例如，与框架中更复杂，多跳的查询相比，ODS-V2在较简单的SimpleQA任务上使用了更少的Web搜索，从而优化了资源使用。
对企业的影响
对于希望利用实时信息来利用强大的AI推理功能的企业，ODS是改变游戏规则的。它提供了专有AI搜索系统的透明，可定制且高性能的替代方案。插入首选的开源LLM和工具的能力意味着组织可以定制其AI堆栈并避免被锁定到单个供应商中。
Tyagi指出：“ ODS的设计有模块化。” “它动态地选择了基于提示中提供的描述使用的工具。这意味着它可以流利地与陌生工具交互（只要它们很好地描述），就不需要事先暴露。”
但是，他警告说，如果工具集变得太混乱，则ODS性能可能会受到影响，“因此仔细的设计至关重要。”
Soncient使GitHub上的ODS代码可用，邀请社区探索和贡献。
Tyagi总结说：“最初，困惑和CHATGPT的力量是他们的先进技术，但是使用ODS，我们已经阐明了这一技术竞争环境。” “现在，我们的目标是通过我们的'开放输入和开放输出策略超越其功能，使用户能够无缝地将自定义代理集成到有感知的聊天中。”
相关文章
使用Chatgpt制作出色的求职信：提示和技巧
创建完美总结您职业的简历足以挑战，但是工作申请通常也需要求职信。这封信是您有机会深入研究您为什么对公司感兴趣的细节，使您有资格获得该职位以及为什么您是最好的坦率
AI如何判断？人类研究克劳德的值
随着像Anthropic Claude这样的AI模型越来越多地与用户互动，从育儿技巧到工作场所冲突，他们的回答固有地反映了一组指导原则。但是，当与数百万用户互动时，我们如何才能真正掌握AI表示的值？蚂蚁
MCP通过工具和数据标准化AI连接：出现了新协议
如果您正在潜入人工智能（AI）世界，那么您可能会注意到，获得不同的AI模型，数据源和工具可以很好地播放，这是多么重要。这就是模型上下文协议（MCP）所在的地方，它是标准化AI连接性的游戏改变者。 t
评论 (0)
0/200
2025年05月02日
SamuelThomas
0
如果您在科技界中，您可能会听说过围绕开放式深度搜索（ODS）的嗡嗡声，这是来自Sectient Foundation的新开源框架。 ODS通过提供专有AI搜索引擎（如困惑和ChatGpt搜索）的强大替代方案来引起波浪，而这一切都是关于将大型语言模型（LLMS）授权使用高级推理代理，可利用Web搜索和其他工具来有效地回答您的查询。
AI搜索景观
当今的AI搜索工具（例如困惑和CHATGPT搜索）令人印象深刻，将LLM的知识和推理与实时Web搜索相结合以提供最新的答案。但是，这些系统通常被锁定在专有门后面，这可能会使自定义和专业应用程序成为挑战。
Sectient的联合创始人Himanshu Tyagi与VentureBeat共享，“ AI搜索中的大多数创新一直在闭门造车后面。历史上一直在闭门造车上落后于可用性和性能。ODS旨在弥合这一差距，证明开放的系统不仅可以竞争竞争，而且可以超越封闭的封闭式，并在质量，Qualtial和Pertectibility和Pertectibles和Pertectiments和Pertiorpers和Pertortibals and Pertectapers上。”
开放深度搜索（ODS）体系结构
ODS不仅仅是另一个工具。这是一个插件系统，您可以与DeepSeek-R1（例如GPT-4O和Claude）等开源型号进行集成。 ODS的核心有两个主要组成部分：
打开搜索工具
此组件会带您查询，并搜索网络以获取相关信息，以回馈LLM作为上下文。它也很聪明 - 它以各种方式重述您的查询，以确保广泛而多样化的搜索。从搜索引擎获取结果后，它提取片段和链接页面，然后将块和重新排列至最相关的内容中的零。它尤其擅长处理Wikipedia，Arxiv和PubMed等特定来源，并且可以在面对相互矛盾的信息时提示优先考虑可靠来源。
开放推理代理
该代理商采用您的查询，并使用基本LLM和各种工具（包括开放搜索工具）来制作最终答案。 Soncient在ODS中提供了两个不同的代理体系结构：
ODS-V1
此版本使用了一个反应代理框架与经过思考链（COT）推理相结合。反应代理在推理步骤（“思想”）和动作（例如使用搜索工具）和观察（这些动作的结果）之间进行交替。 ODS-V1在此过程中迭代以达到答案。如果React代理击中障碍，它将依靠COT的自愿性，对多个COT响应进行采样并选择最常见的答案。
ODS-V2
此版本采用了用拥抱面孔的Smolagents库构建的代码链（COC）和代码代理。 COC利用LLM生成和执行代码段以解决问题的能力，而CodeAct则使用代码生成进行计划操作。 ODS-V2可以管理多个工具和代理，使其非常适合解决可能需要复杂的计划和多次搜索迭代的复杂任务。
ODS架构信用：Arxiv
Tyagi解释说：“虽然Chatgpt或Grok等工具通过对话代理提供了'深入研究'，但ODS在不同层面上运作（更像是困惑AI背后的基础架构），以提供智能检索的基础架构，而不仅仅是摘要。”
绩效和实际结果
Soncient通过将ODS与开源DeepSeek-R1型号配对，并将其与Plyplexity AI和OpenAI的GPT-4O搜索预览（例如GPT-4O和Llama-3.1-70B）等封闭源竞争者进行拟合。他们使用了框架和SimpleQA基准测试，以评估搜索启用AI系统的准确性。
结果？感人的。 ODS-V1和ODS-V2与DeepSeek-R1合作时，都超出了困惑的旗舰产品。具有DeepSeek-R1的ODS-V2甚至超过了复杂帧基准测试的GPT-4O搜索预览，并在SimpleQA上接近。
一个令人着迷的见解是框架的效率。两个ODS版本中的推理代理都学会了明智地使用搜索工具，通常会根据初始结果的质量来决定是否需要其他搜索。例如，与框架中更复杂，多跳的查询相比，ODS-V2在较简单的SimpleQA任务上使用了更少的Web搜索，从而优化了资源使用。
对企业的影响
对于希望利用实时信息来利用强大的AI推理功能的企业，ODS是改变游戏规则的。它提供了专有AI搜索系统的透明，可定制且高性能的替代方案。插入首选的开源LLM和工具的能力意味着组织可以定制其AI堆栈并避免被锁定到单个供应商中。
Tyagi指出：“ ODS的设计有模块化。” “它动态地选择了基于提示中提供的描述使用的工具。这意味着它可以流利地与陌生工具交互（只要它们很好地描述），就不需要事先暴露。”
但是，他警告说，如果工具集变得太混乱，则ODS性能可能会受到影响，“因此仔细的设计至关重要。”
Soncient使GitHub上的ODS代码可用，邀请社区探索和贡献。
Tyagi总结说：“最初，困惑和CHATGPT的力量是他们的先进技术，但是使用ODS，我们已经阐明了这一技术竞争环境。” “现在，我们的目标是通过我们的'开放输入和开放输出策略超越其功能，使用户能够无缝地将自定义代理集成到有感知的聊天中。”
使用Chatgpt制作出色的求职信：提示和技巧
创建完美总结您职业的简历足以挑战，但是工作申请通常也需要求职信。这封信是您有机会深入研究您为什么对公司感兴趣的细节，使您有资格获得该职位以及为什么您是最好的坦率
AI如何判断？人类研究克劳德的值
随着像Anthropic Claude这样的AI模型越来越多地与用户互动，从育儿技巧到工作场所冲突，他们的回答固有地反映了一组指导原则。但是，当与数百万用户互动时，我们如何才能真正掌握AI表示的值？蚂蚁
MCP通过工具和数据标准化AI连接：出现了新协议
如果您正在潜入人工智能（AI）世界，那么您可能会注意到，获得不同的AI模型，数据源和工具可以很好地播放，这是多么重要。这就是模型上下文协议（MCP）所在的地方，它是标准化AI连接性的游戏改变者。 t
