2️⃣Високоякісне розділення контенту та переупорядкування — фільтрація малозначущого контенту, щоб забезпечити LLM якісний контекст
3️⃣Індивідуальна обробка веб-сайтів — оптимізація збору даних з основних джерел інформації, таких як Wikipedia, ArXiv, PubMed
4️⃣Динамічний пошук рішень — інтелектуально визначає, чи потрібно виконувати багаторазовий пошук в залежності від складності запиту
💡 Розумовий двигун
ODS-v1 базується на рамках Chain-of-Thought та ReAct, покращуючи здатність до міркування через цикл думка/дія/спостереження.
ODS-v2 базується на Chain-of-Code та CodeAct фреймах, генерує виконуваний Python код для точного висновку
Обидві версії можуть адаптивно налаштовувати стратегію пошуку в залежності від складності запиту, а не використовувати однакову кількість запитів щоразу, як у фіксованій схемі.
—————————————————————————
Розробники більше не змушені покладатися на чорні ящики алгоритмів, вони можуть налаштовувати логіку пошуку відповідно до потреб. Стартапи отримали такі ж можливості пошукового штучного інтелекту, як і технологічні гіганти.
@SentientAGI ODS надає модульну структуру, нові відкриті вихідні коди моделі висновків можуть бути безшовно інтегровані, щоб забезпечити, що відкритий пошук AI завжди зберігає конкурентну перевагу.
Переглянути оригінал
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
Останнім часом досліджую @SentientAGI Open Deep Search, адже це відкритий вихідний код, що є альтернативою Perplexity та SearchGPT.
🎯 Дані про продуктивність
Комбінація ODS + DeepSeek-R1 досягла точності 75,3% у бенчмаркінгу FRAMES, перевищивши 65,6% OpenAI GPT-4o Search Preview на майже 10 відсоткових пунктів.
У тестуванні SimpleQA досягнуто 88.3%, що майже дорівнює 90.0% у GPT-4o Search Preview.
Відкритий вихідний код рішення вперше перевершив закритих конкурентів у складному пошуку міркувань.
⚡️ Інновації в архітектурі
Традиційні відкриті вихідні коди інструменти пошуку просто передають сирі результати пошуку для обробки LLM. ODS переробляє весь процес:
1️⃣Реконструкція інтелектуального запиту — розуміння прихованого наміру користувача, автоматична оптимізація пошукових запитів
2️⃣Високоякісне розділення контенту та переупорядкування — фільтрація малозначущого контенту, щоб забезпечити LLM якісний контекст
3️⃣Індивідуальна обробка веб-сайтів — оптимізація збору даних з основних джерел інформації, таких як Wikipedia, ArXiv, PubMed
4️⃣Динамічний пошук рішень — інтелектуально визначає, чи потрібно виконувати багаторазовий пошук в залежності від складності запиту
💡 Розумовий двигун
ODS-v1 базується на рамках Chain-of-Thought та ReAct, покращуючи здатність до міркування через цикл думка/дія/спостереження.
ODS-v2 базується на Chain-of-Code та CodeAct фреймах, генерує виконуваний Python код для точного висновку
Обидві версії можуть адаптивно налаштовувати стратегію пошуку в залежності від складності запиту, а не використовувати однакову кількість запитів щоразу, як у фіксованій схемі.
—————————————————————————
Розробники більше не змушені покладатися на чорні ящики алгоритмів, вони можуть налаштовувати логіку пошуку відповідно до потреб. Стартапи отримали такі ж можливості пошукового штучного інтелекту, як і технологічні гіганти.
@SentientAGI ODS надає модульну структуру, нові відкриті вихідні коди моделі висновків можуть бути безшовно інтегровані, щоб забезпечити, що відкритий пошук AI завжди зберігає конкурентну перевагу.