DR Tulu
Открытая модель-агент для глубокого исследования (deep research) от Ai2. Она сама планирует поиск в интернете, читает найденные страницы и пишет развёрнутый ответ со ссылками на источники. Модель обучали обучением с подкреплением по «развивающимся» критериям оценки (RLER). Вместе с ней Ai2 опубликовала данные, критерии оценки и код обучения.
проверено по: allenai.org ↗
См. также
- Ai2Ai2 (Allen Institute for AI) — некоммерческий исследовательский институт в Сиэтле, основанный Полом Алленом. Известен подходом «полностью открытых» моделей, когда вместе с весами публикуются обучающие данные, код и методика обучения (например, семейство Olmo).
- DeepSearchQAБенчмарк Google DeepMind для агентов глубокого исследования (deep research): многошаговые задачи поиска в открытом интернете, где каждый шаг зависит от результата предыдущего, а ответом служит исчерпывающий список, который сверяют с эталоном. Проверяет и точность, и полноту собранных ответов — в отличие от бенчмарков вроде BrowseComp, где нужно найти один труднодоступный факт.
- Обучение с подкреплениемОдин из основных подходов машинного обучения (reinforcement learning, RL): агент действует в среде, получает за результат числовую награду и учится выбирать действия, которые приносят наибольшую награду. В отличие от обучения с учителем, правильных ответов ему заранее не показывают — он учится методом проб и ошибок. У языковых моделей это отдельный этап после предобучения, на котором развиваются рассуждения и агентные навыки.
- Olmo 3Семейство языковых моделей некоммерческого института Ai2. Большинство «открытых» моделей публикуют только с весами, а у Olmo 3 открыт весь путь создания: данные, код обучения и промежуточные версии модели с каждого этапа. Поэтому исследователи могут воспроизвести обучение и проследить, откуда у модели берётся то или иное поведение.
В новостях
Ai2 выложил открытую модель AstaBrief для научных отчётов со ссылками
Открытая модель Ai2 для глубокого исследования: сама планирует поиск в интернете, читает страницы и пишет развёрнутый ответ со ссылками.