۲۴ ساعت بعد، نسخه متن باز Deep Research توسط hugging face منتشر شد.
DeepResearch
از دو بخش اصلی تشکیل شده است:
یک مدل زبانی بزرگ: این مدل میتونه از لیست مدلهای زبانی بزرگی که توسط OpenAI ارائه میشه (مثل 4o، o1، o3 و غیره) انتخاب شه. به عبارتی، هسته اصلی DeepResearch یک LLM هست که وظیفهی پردازش زبان طبیعی و تولید متن رو بر عهده داره.
دوم "Agentic Framework" : این فریمورک، مدل زبانی رو در استفاده از ابزارهایی مانند جستجوی وب و سازماندهی اقدامات خودش به صورت گام به گام راهنمایی میکنه. این بخش، DeepResearch رو قادر میسازه تا به طور هوشمندانه تر و مؤثرتر عمل کنه. به جای اینکه فقط به مدل زبانی برای تولید متن تکیه کنه، این فریم ورک بهش کمک میکنه تا با دنیای خارج تعامل داشته باشه (از طریق جستجوی وب) و وظایف پیچیده رو به مراحل کوچکتر و قابل مدیریت تقسیم کنه
نکته قابل توجه عملکرد نسخه متن باز با کسب امتیاز 54% در مجموعه داده مشابه، در مقایسه با امتیاز 67% مدل اصلی توسط OpenAI هست.
https://huggingface.co/blog/open-deep-research
DeepResearch
از دو بخش اصلی تشکیل شده است:
یک مدل زبانی بزرگ: این مدل میتونه از لیست مدلهای زبانی بزرگی که توسط OpenAI ارائه میشه (مثل 4o، o1، o3 و غیره) انتخاب شه. به عبارتی، هسته اصلی DeepResearch یک LLM هست که وظیفهی پردازش زبان طبیعی و تولید متن رو بر عهده داره.
دوم "Agentic Framework" : این فریمورک، مدل زبانی رو در استفاده از ابزارهایی مانند جستجوی وب و سازماندهی اقدامات خودش به صورت گام به گام راهنمایی میکنه. این بخش، DeepResearch رو قادر میسازه تا به طور هوشمندانه تر و مؤثرتر عمل کنه. به جای اینکه فقط به مدل زبانی برای تولید متن تکیه کنه، این فریم ورک بهش کمک میکنه تا با دنیای خارج تعامل داشته باشه (از طریق جستجوی وب) و وظایف پیچیده رو به مراحل کوچکتر و قابل مدیریت تقسیم کنه
نکته قابل توجه عملکرد نسخه متن باز با کسب امتیاز 54% در مجموعه داده مشابه، در مقایسه با امتیاز 67% مدل اصلی توسط OpenAI هست.
https://huggingface.co/blog/open-deep-research