BM25

2026-10-28

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

Когда поиска недостаточно: устаревшие факты в памяти агента снижают точность

В статье (arXiv:2610.36308v1) на задаче FactConsolidation из MemoryAgentBench показано, что простого извлечения новейшего утверждения недостаточно для корректных ответов. Для Qwen2.5-7B-Instruct на истории в 6K точность BM25 падает с 45% до 32% при увеличении бюджета извлечённого контента с 64 до 512 токенов, хотя голд-аудит находит новейшее утверждение в каждом наборе; замена нерелевантного утверждения на устаревшее снижает точность с 100% до 44.6% (Qwen2.5) и до 87.8% (Qwen3-14B) — все 50 вредоносных парных флипов классифицированы как устаревшие, а репликация с историей 32K показывает преимущество BM25-64 над BM25-512 (69% против 58%).

7.0

2026-10-02

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

Amazon SageMaker AI демонстрирует дообучение поисковых агентов с помощью многошагового RL (MTRL) на Qwen3.6-27B

В публикации Amazon описывает использование возможностей многошагового обучения с подкреплением (MTRL) в Amazon SageMaker AI для дообучения модели Qwen3.6-27B под поискового агента. Статья перечисляет возможности MTRL — бессерверное выполнение, модульный интерфейс агент–окружение, асинхронные роллауты, встроенные алгоритмы (PPO, CISPO, IS), наблюдаемость траекторий через MLflow и задачи оценки — и показывает пример с BM25 и векторным поиском для корпоративного поиска.

6.0

2026-10-02

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

Измерение «разрыва приемлемости» SLM для микрозадач (arXiv:2610.00025v1)

Авторы собрали бенчмарк из четырёх микрозадач вокруг планировщика LLM (авто-подтверждение команд, запись памяти, выбор инструментов, ранжирование ходов) с заранее заданными CI-порогами приемлемости и протестировали готовые SLM (Qwen3 0.6/1.7/4/8B, FP16, без дообучения). Ни одна из 16 конфигураций модель×задача не прошла порог приемлемости (0/16). В работе предложен диагностический метод на основе logprob, разделяющий дефициты способностей и проблемы с порогом декодирования; показано, что 4-битная квантизация (RTN/GPTQ/AWQ) обычно ухудшает результаты и не переводит конфигурации в «приемлемые», эффект воспроизводится на Llama-3.x (12/12 не прошли) и устойчив к выбору якоря и парафразам подсказок; практическая рекомендация — ставить SLM за базовой моделью, соответствующей CI-порогам, и применять SLM только там, где базовый метод проваливается.

7.0

2026-09-15

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

Solar Intelligence — гибридная платформа с извлечением знаний для аналитики солнечной энергии, доказательной ответной системы и прогнозирования

В статье на arXiv (cs.AI) представлен Solar Intelligence — гибридная платформа с извлечением знаний, объединяющая структурную аналитику по солнечной энергии, доказательные ответы на научные вопросы и ML‑прогнозирование. Система интегрирует ежедневные данные NASA POWER и датчики Biosphere 2 с курированным корпусом исследований, использует DuckDB для структурных запросов, комбинирует BM25 и плотные эмбеддинги ChromaDB через Reciprocal Rank Fusion с обоснованием ответов моделью llama3.2:3b, строит ежедневные прогнозы (излучение, температура, ветер) на XGBoost и доступна через FastAPI, Streamlit и MCP сервер.

5.0

2026-05-28

CODING · 1 ИСТОЧН. · Mistral AI

Search Toolkit в публичном предпросмотре — открытый составной фреймворк для поисковых конвейеров ИИ

Search Toolkit выпускается в публичном предпросмотре как открытый составной фреймворк для построения производственных поисковых конвейеров в приложениях ИИ. Он объединяет этапы инжеста, поиск (BM25, плотные эмбеддинги и гибридные методы) и встроенную оценку (recall, precision, MRR, NDCG), поддерживает Connectors для живых данных и может работать в облаке, локально или на периферии.

6.0