A Harness-1 AI-ügynök forradalmasítja a keresést 20 milliárd paraméterrel
A Harness-1 AI-ügynök 2023-ban került bemutatásra, és a keresési feladatokat szétválasztja, könyvelést a környezetbe helyezve, 0.730-as átlagos relevanciával. Ez jelentős előrelépést jelent a hagyományos keresőügynökhöz képest.
A hagyományos keresőügynökök gyakran egyszerre optimalizálják a keresési döntéseket és a folyamatosan növekvő tranzakciós napló könyvelését. Kutatók szerint ez túl nagy terhet ró a modellekre. Az Illinois Urbana-Champaign-i Egyetem, az UC Berkeley és a Chroma csapata ezért fejlesztette ki a Harness-1-et, egy 20 milliárd paraméteres keresési alügynököt, amely a gpt-oss-20b modellen alapul.
A keresési folyamat szétválasztása
A Harness-1 nem válaszol meg közvetlenül kérdéseket, hanem rangsorolt dokumentumokat állít elő egy későbbi válaszadó modell számára. A rendszer egy állapotgép-alapú keretrendszerben fut, amely egy epizódonkénti munkamemóriára épül. Minden fordulóban a keretrendszer megjeleníti a tömörített keresési állapotot és a legutóbbi műveleteket, miközben a modell egy strukturált műveletet bocsát ki.
Kapcsolódó: AI-ügynök finomhangolás
Tanítási folyamat és eredmények
A tanítás során a felügyelt finomhangolás (supervised finomhangolás) az interfész kezelésére tanítja a modellt, míg a megerősítéses tanulás javítja a keresési döntéseket a fenntartott állapoton keresztül. A GPT-5.4 modellt használták tanárként a teljes keretrendszerben. A Harness-1 átlagosan 0.730-as kurált relevanciát ért el nyolc teljesítményteszten, ami 11.4 ponttal múlja felül a következő nyílt forráskódú versenytársat, a Tongyi DeepResearch 30B-t.
Kapcsolódó: AI-ügynök memória
A Harness-1 súlyai és a keretrendszer kódja nyilvánosan elérhető, és vLLM, SGLang vagy Transformers futtatókörnyezetekben telepíthető, a Chroma csapat által 2023-ban bemutatott modellhez hasonlóan.
Kapcsolódó: önfejlesztő memória