Sentient Foundation-ის მკვლევარებმა გამოუშვეს Open Deep Search (ODS), ღია კოდის მქონე სისტემა, რომელსაც შეუძლია კონკურენცია გაუწიოს ისეთი საკუთრების AI საძიებო სისტემების ხარისხს, როგორიცაა Perplexity და ChatGPT Search. ODS დიდ ენობრივ მოდელებს (LLM) აღჭურავს მოწინავე მსჯელობის აგენტებით, რომლებსაც შეუძლიათ გამოიყენონ ვებ-ძიება და სხვა ინსტრუმენტები კითხვებზე პასუხის გასაცემად.
საწარმოებისთვის, რომლებიც ეძებენ AI საძიებო ინსტრუმენტებს, რომლებიც შეიძლება მორგებული იყოს მათ საჭიროებებზე, ODS გთავაზობთ დამაჯერებელ, მაღალი წარმადობის ალტერნატივას დახურული კომერციული გადაწყვეტილებებისთვის.
AI ძიების სფერო
თანამედროვე AI საძიებო ინსტრუმენტებს, როგორიცაა Perplexity და ChatGPT Search, შეუძლიათ უზრუნველყონ განახლებული პასუხები LLM-ების ცოდნისა და მსჯელობის შესაძლებლობების ვებ-ძიებასთან კომბინაციით. თუმცა, ეს გადაწყვეტილებები, როგორც წესი, საკუთრების და დახურული კოდის მქონეა, რაც ართულებს მათ მორგებას და სპეციალურ აპლიკაციებში გამოყენებას.
„AI ძიებაში ინოვაციების უმეტესობა დახურულ კარს მიღმა მოხდა. ღია კოდის მქონე მცდელობები ისტორიულად ჩამორჩებოდა გამოყენებადობასა და წარმადობაში“, - განუცხადა VentureBeat-ს ჰიმანშუ ტიაგიმ, Sentient-ის თანადამფუძნებელმა. „ODS მიზნად ისახავს ამ ხარვეზის აღმოფხვრას და აჩვენოს, რომ ღია სისტემებს შეუძლიათ კონკურენცია გაუწიონ და გადააჭარბონ კიდეც დახურულ კოლეგებს ხარისხის, სიჩქარისა და მოქნილობის თვალსაზრისით.“
Open Deep Search (ODS) არქიტექტურა
Open Deep Search (ODS) შექმნილია როგორც plug-and-play სისტემა, რომელიც შეიძლება ინტეგრირებული იყოს ღია კოდის მოდელებთან, როგორიცაა DeepSeek-R1 და დახურულ მოდელებთან, როგორიცაა GPT-4o და Claude.
ODS მოიცავს ორ ძირითად კომპონენტს, რომლებიც ორივე იყენებენ არჩეულ საბაზისო LLM-ს:
ღია საძიებო ინსტრუმენტი: ეს კომპონენტი იღებს მოთხოვნას და მოიძიებს ინფორმაციას ვებიდან, რომელიც შეიძლება მიეცეს LLM-ს კონტექსტად. ღია საძიებო ინსტრუმენტი ასრულებს რამდენიმე საკვანძო მოქმედებას საძიებო შედეგების გასაუმჯობესებლად და იმის უზრუნველსაყოფად, რომ ის მოდელს შესაბამის კონტექსტს აწვდის. პირველ რიგში, ის თავდაპირველ მოთხოვნას სხვადასხვა გზით აყალიბებს, რათა გააფართოვოს საძიებო არეალი და მოიცვას მრავალფეროვანი პერსპექტივები. შემდეგ ინსტრუმენტი იღებს შედეგებს საძიებო სისტემიდან, ამოიღებს კონტექსტს საუკეთესო შედეგებიდან (ამონაწერები და დაკავშირებული გვერდები) და იყენებს დანაწევრებისა და ხელახალი რანჟირების ტექნიკას ყველაზე შესაბამისი კონტენტის გასაფილტრად. მას ასევე აქვს სპეციალური დამუშავება კონკრეტული წყაროებისთვის, როგორიცაა Wikipedia, ArXiv და PubMed, და შესაძლებელია მისი მოთხოვნა სანდო წყაროებისთვის პრიორიტეტის მინიჭებისთვის, როდესაც წინააღმდეგობრივი ინფორმაცია გვხვდება.
ღია მსჯელობის აგენტი: ეს აგენტი იღებს მომხმარებლის მოთხოვნას და იყენებს საბაზისო LLM-ს და სხვადასხვა ინსტრუმენტებს (მათ შორის ღია საძიებო ინსტრუმენტს) საბოლოო პასუხის ფორმულირებისთვის. Sentient გთავაზობთ ორ განსხვავებულ აგენტის არქიტექტურას ODS-ში:
ODS-v1: ეს ვერსია იყენებს ReAct აგენტის სისტემას Chain-of-Thought (CoT) მსჯელობასთან ერთად. ReAct აგენტები ერთმანეთში ურევენ მსჯელობის ნაბიჯებს („აზრებს“) მოქმედებებთან (როგორიცაა საძიებო ინსტრუმენტის გამოყენება) და დაკვირვებებთან (ინსტრუმენტების შედეგები). ODS-v1 იყენებს ReAct-ს იტერაციულად პასუხის მისაღებად. თუ ReAct აგენტი იბრძვის (როგორც განსაზღვრულია ცალკეული მსაჯის მოდელის მიერ), ის გადადის CoT თვით-თანმიმდევრულობაზე, რომელიც მოდელიდან იღებს CoT პასუხების რამდენიმე ნიმუშს და იყენებს პასუხს, რომელიც ყველაზე ხშირად ჩნდება.
ODS-v2: ეს ვერსია იყენებს Chain-of-Code (CoC) და CodeAct აგენტს, რომელიც დანერგილია Hugging Face SmolAgents ბიბლიოთეკის გამოყენებით. CoC იყენებს LLM-ის შესაძლებლობას შექმნას და შეასრულოს კოდის ამონაწერები პრობლემების გადასაჭრელად, ხოლო CodeAct იყენებს კოდის გენერირებას მოქმედებების დაგეგმვისთვის. ODS-v2-ს შეუძლია მრავალი ინსტრუმენტისა და აგენტის ორკესტრირება, რაც მას საშუალებას აძლევს გაუმკლავდეს უფრო რთულ ამოცანებს, რომლებიც შეიძლება მოითხოვდეს დახვეწილ დაგეგმვას და, შესაძლოა, ძიების მრავალჯერად გამეორებას.
„მიუხედავად იმისა, რომ ისეთი ინსტრუმენტები, როგორიცაა ChatGPT ან Grok, გვთავაზობენ „ღრმა კვლევას“ საუბრის აგენტების მეშვეობით, ODS მოქმედებს სხვა ფენაში - უფრო მეტად Perplexity AI-ის უკან მდგარი ინფრასტრუქტურის მსგავსად - უზრუნველყოფს ინტელექტუალური მოძიების ძირითად არქიტექტურას და არა მხოლოდ შეჯამებებს“, - თქვა ტიაგიმ.
წარმადობა და პრაქტიკული შედეგები
Sentient-მა შეაფასა ODS მისი ღია კოდის DeepSeek-R1 მოდელთან დაწყვილებით და გამოცდა პოპულარულ დახურული კოდის კონკურენტებთან, როგორიცაა Perplexity AI და OpenAI-ის GPT-4o Search Preview, ისევე როგორც დამოუკიდებელ LLM-ებთან, როგორიცაა GPT-4o და Llama-3.1-70B. მათ გამოიყენეს FRAMES და SimpleQA კითხვა-პასუხის ბენჩმარკები, ადაპტირებული საძიებო სისტემით აღჭურვილი AI სისტემების სიზუსტის შესაფასებლად.
შედეგები აჩვენებს ODS-ის კონკურენტუნარიანობას. როგორც ODS-v1, ასევე ODS-v2, DeepSeek-R1-თან კომბინაციაში, აჯობა Perplexity-ის ფლაგმანურ პროდუქტებს. აღსანიშნავია, რომ ODS-v2 DeepSeek-R1-თან დაწყვილებით გადააჭარბა GPT-4o Search Preview-ს კომპლექსურ FRAMES ბენჩმარკში და თითქმის გაუთანაბრდა მას SimpleQA-ში.
საინტერესო დაკვირვება იყო სისტემის ეფექტიანობა. მსჯელობის აგენტებმა ODS-ის ორივე ვერსიაში ისწავლეს საძიებო ინსტრუმენტის გონივრულად გამოყენება, ხშირად გადაწყვეტდნენ, იყო თუ არა დამატებითი ძიება საჭირო პირველადი შედეგების ხარისხის საფუძველზე. მაგალითად, ODS-v2-მა გამოიყენა ნაკლები ვებ-ძიება უფრო მარტივ SimpleQA ამოცანებზე, ვიდრე უფრო რთულ, მრავალსაფეხურიან მოთხოვნებში FRAMES-ში, რაც ოპტიმიზაციას უკეთებს რესურსების მოხმარებას.
მნიშვნელობა საწარმოებისთვის
საწარმოებისთვის, რომლებიც ეძებენ AI მსჯელობის მძლავრ შესაძლებლობებს, რომლებიც დაფუძნებულია რეალურ დროში არსებულ ინფორმაციაზე, ODS წარმოადგენს პერსპექტიულ გადაწყვეტას, რომელიც გთავაზობთ გამჭვირვალე, მორგებად და მაღალი წარმადობის ალტერნატივას საკუთრების AI საძიებო სისტემებისთვის. სასურველი ღია კოდის LLM-ებისა და ინსტრუმენტების ჩართვის შესაძლებლობა ორგანიზაციებს აძლევს უფრო მეტ კონტროლს თავიანთ AI სტეკზე და თავიდან აიცილებს მომწოდებელზე დამოკიდებულებას.
„ODS აგებულია მოდულარობის გათვალისწინებით“, - თქვა ტიაგიმ. „ის დინამიურად ირჩევს, თუ რომელი ინსტრუმენტები გამოიყენოს, მოთხოვნაში მოწოდებული აღწერილობების საფუძველზე. ეს ნიშნავს, რომ მას შეუძლია თავისუფლად ურთიერთქმედება უცნობ ინსტრუმენტებთან - სანამ ისინი კარგად არის აღწერილი - წინასწარი გამოცდილების მოთხოვნის გარეშე.“
თუმცა, მან აღიარა, რომ ODS-ის წარმადობა შეიძლება გაუარესდეს, როდესაც ინსტრუმენტების ნაკრები ძალიან გაიბერება, „ამიტომ ფრთხილი დიზაინი მნიშვნელოვანია.“
Sentient-მა გამოაქვეყნა ODS-ის კოდი GitHub-ზე.
„თავდაპირველად, Perplexity-ისა და ChatGPT-ის სიძლიერე იყო მათი მოწინავე ტექნოლოგია, მაგრამ ODS-ით ჩვენ გავათანაბრეთ ეს ტექნოლოგიური სათამაშო მოედანი“, - თქვა ტიაგიმ. „ჩვენ ახლა მიზნად ისახავს მათ შესაძლებლობებს გადავაჭარბოთ ჩვენი „ღია შეყვანებისა და ღია გამოყვანების“ სტრატეგიით, რაც მომხმარებლებს საშუალებას მისცემს შეუფერხებლად მოახდინონ მორგებული აგენტების ინტეგრირება Sentient Chat-ში.“
გსურთ კომენტარის დატოვება?
კომენტარის დასატოვებლად საჭიროა ავტორიზაცია
შესვლა რეგისტრაციაკომენტარები არ არის
იყავით პირველი, ვინც დატოვებს კომენტარს