Mind DeepResearch: إطار بحثي يغير قواعد اللعبة في الذكاء الاصطناعي!
تم الكشف عن إطار البحث Mind DeepResearch، الذي يعتمد على تكنولوجيا متعددة الوكلاء لتحسين أداء الأنظمة الذكية. مع معمارية مبتكرة، يحقق الإطار نتائج مذهلة مع نماذج بحجم 30 مليار معامل فقط.
في عالم الذكاء الاصطناعي الذي يتسارع نموه، تظهر الابتكارات الجديدة كنجوم في سماء التكنولوجيا. أحدث هذه الابتكارات هو إطار \"Mind DeepResearch\" (MindDR)، والذي يقدم نهجًا متطورًا يُحدث قفزة نوعية في كيفية إجراء الأبحاث باستخدام التكنولوجيا.\n\nيتبنى إطار MindDR معمارية فريدة تعتمد على ثلاثة وكلاء وهي: وكيل التخطيط (Planning Agent)، وكيل البحث العميق (DeepSearch Agent)، وكيل التقرير (Report Agent). تعمل هذه الوكلاء بالتعاون لتحقيق الكفاءة العالية من خلال عملية تدريب متعددة المراحل تشمل: بدء التدريب البارد (SFT cold-start)، بحث التعزيز (Search-RL)، تعزيز التقرير (Report-RL)، وتوافق التفضيلات (preference alignment).\n\nعلاوة على ذلك، فإن MindDR يُظهر أداءً تنافسياً حتى مع نماذج حجمها حوالي 30 مليار معامل، حيث حقق الإطار نتائج تصل إلى 45.7% على مجموعة BrowseComp-ZH، 42.8% على BrowseComp، 46.5% على WideSearch، 75.0% على xbench-DS، و52.5% على DeepResearch Bench. هذا الأداء يفوق الأنظمة المواكبة في الحجم ويدعو للتفكر في مستقبل الذكاء الاصطناعي.\n\nتمت بالفعل نشر MindDR كمنتج على الإنترنت في شركة Li Auto، مما يعكس تجديد التنافسية في السوق. بالإضافة إلى ذلك، تم تقديم عتبة جديدة تسمى \"MindDR Bench\"، وهي مجموعة من 500 استفسار حقيقي باللغة الصينية، تم تقييمها من خلال نظام معايير متعددة الأبعاد، مما يعد ثورة في طريقة قياس الأداء في هذه الأنظمة.\n\nكمؤشر على القوة الفائقة لهذا الإطار، حقق MindDR درجة قياسية بلغت 51.8 على MindDR Bench، مما يجعله من النباتات المثيرة في مجال الذكاء الاصطناعي.
📰 أخبار ذات صلة
أبحاث
استكشاف مشكلة تسلسل العناصر المشترك الأطول: ثغرات متعددة ومتغيرات معقدة
أركايف للذكاءمنذ 6 ساعة
أبحاث
ARES: نظام مبتكر لتعزيز أمان نماذج اللغة من خلال التكيف والمواجهة ذات الهدف المزدوج
أركايف للذكاءمنذ 6 ساعة
أبحاث
كيف تؤدي نماذج الذكاء الاصطناعي الأبحاث العلمية دون تفكير عميق؟
أركايف للذكاءمنذ 6 ساعة