아이리스: 검색 지평선에登문

새로운 검색 지평선

최근에 발표된 연구에서, 두 가지 새로운 검색 에이전트인 Iris-mini와 Iris-pro가 소개되었습니다. 이 에이전트들은 대규모 언어 모델(LLM)인 35B-A3B와 397B-A17B 스케일에서 훈련되었으며, 데이터 파이프라인과 훈련 레시피가 함께 제시되었습니다. 이러한 에이전트들은 웹 코퍼스의 하이퍼링크 구조에서 역으로 재구성되며, 엔터티 그래프에서 시드 페이지와 외링크를 통해 멀티-호프 체인 생성, 비답변 엔터티를 설명적 참조로 재작성하여 문자열 매칭으로는 암호를 풀 수 없는 상태로 유지합니다.

이러한 질문은 트래젝토리 형태로 변환되며, SFT 이전에 트래젝토리와 턴 단위로 필터링됩니다. 정책은 강화 학습(RL)을 통해 라이브 검색과 대결하며, 보상 판정자와 관찰 요약자는 훈련 클러스터 내부에 위치하며, 오버 롤아웃은 요청 단위로 중단되어 prefix가 커밋된 다음 단계에서 재개됩니다. 이러한 프로세스는 SFT-RL 클라이밍 과정에서 두 단계를 교대로 반복하며, 각 RL 라운드에서 가장 어려운 문제와 가장 효율적인 롤아웃만 다음 감독 패스로 반환합니다.

성능 평가

이 벤치마크에서 추론 시간 컨텍스트 관리는 일반적인 시스템 간의 대부분의 차이보다 더 가치가 높기 때문에, 모든 벤치마크를 관리가 활성화된 상태와 비활성화된 상태에서 평가합니다. 관리 활성화 시, BrowseComp, BrowseComp-ZH, DeepSearchQA, HLE 벤치마크에서 두 모델은 각각 82.2/84.8/86.9/52.3, 88.6/85.1/92.9/56.4 점을 기록하며, 오픈소스 검색 에이전트들 중 파라미터 범위에 따라 가장 강력한 결과를 달성했습니다. 모델 가중치와 데이터 생성, 훈련, 평가에 관한 완전한 레시피를 함께 공개할 계획입니다.