検索エージェント「Iris」とは？大規模モデルの性能を解説

最近、検索エージェント「Iris」っていうのが注目されてるんだ。これ、35Bと397Bっていう大規模なモデルで訓練された検索特化型のエージェントなんだよ。AIの実用化が進んでるって感じがするよね。特に、Irisは最新の技術を駆使して、検索の精度を高めることを目指しているんだ。

このIrisには、Iris-miniとIris-proっていう2つのバージョンがあって、それぞれ異なるスケールで訓練されてるんだ。特に、ウェブコーパスのハイパーリンク構造を逆に使って、情報を構築するっていう手法が面白いんだよね。これによって、ユーザーが求める情報にアクセスしやすくなってるんだ。

具体的には、シードページから外部リンクを使ってエンティティグラフを作成して、マルチホップチェーンを構築するんだ。これによって、情報の関連性を深く掘り下げることができるんだよ。例えば、あるテーマに関連する複数の情報源をつなげて、より広範な知識を提供する感じだね。

さらに、非回答エンティティを記述的な参照に書き換えることで、文字列マッチングで解決できない問題を解決する手法を取ってるんだ。これ、結構革新的だと思う。これにより、ユーザーが求める情報をより正確に引き出せるようになってるんだ。

質問の受け入れ方もユニークで、支持証拠がある場合のみ解決できる質問を受け入れるんだ。これによって、より正確な情報を提供できるようにしてるみたい。例えば、根拠がある質問に対しては、より詳細な回答が得られるってことだね。

その後、強化学習を使ってポリシーを最適化して、実際の検索に活かすっていう流れになってるんだ。これが「SFT-RLクライミング」って呼ばれるプロセスなんだよ。強化学習の手法を使うことで、エージェントは実際の使用状況に応じて進化していくんだ。

このIrisのすごいところは、管理が有効な状態でのパフォーマンスなんだ。BrowseCompやDeepSearchQAなどのベンチマークで、Iris-miniとIris-proがそれぞれ高いスコアを出してるんだよ。具体的には、$82.2$や$88.6$っていう数字が出てるんだ。これ、オープンソースの検索エージェントの中でもトップクラスの性能を示してるから、注目されるのも納得だよね。

これらの結果は、今後のAI技術の進化に大きな影響を与えるかもしれないね。特に、検索エンジンの精度が向上することで、ユーザー体験が劇的に変わる可能性があるんだ。最後に、モデルの重みやデータ構築、訓練、評価のレシピも公開する予定らしいから、これからの展開が楽しみだよね。