rag

L'agent de recherche à 20 milliards de paramètres Harness-1 en open source : une efficacité des données extrêmement élevée grâce à l'état externalisé

Des chercheurs de l'UIUC, de l'UC Berkeley et de Chroma ont open sourcé l'agent de recherche à 200 milliards de paramètres, Harness-1. Ce modèle utilise une architecture innovante d'état externalisé, déléguant les tâches de mémoire et d'organisation durant le processus de recherche à l'environnement, permettant à des modèles de taille non de pointe d'atteindre des performances proches des modèles de pointe avec très peu de données d'entraînement dans des tâches de recherche à long terme. Cela signifie que les développeurs peuvent mettre en place un système de génération augmentée par la recherche (RAG) de manière efficace sans avoir besoin d'une puissance de calcul massive.

Pourquoi c'est important : Harness-1 prouve que l'innovation dans l'architecture des modèles peut compenser l'écart en termes de nombre de paramètres, permettant à des équipes de taille moyenne et petite de construire des agents de recherche haute performance, réduisant significativement le seuil de puissance de calcul pour le développement d'applications IA.

#AI #开源 #检索智能体 #RAG #intelligenceartificielle