AI 에이전트 연구
Iris: Climbing to the Search Frontier
ARarXiv
연구진은 웹 검색 능력을 극대화한 두 가지 검색 에이전트 'Iris-mini'과 'Iris-pro'를 공개했습니다. 이 모델들은 대규모 언어 모델을 기반으로 복잡하고 다단계적인 정보 탐색 작업을 수행하도록 훈련되었습니다.
세 줄 요약
- 단순히 모델 크기에 의존하지 않고, SFT와 RL을 결합한 독자적 학습 절차(SFT-RL climbing)를 거쳤으며, 특히 추론 시 컨텍스트 관리 능력을 강화하여 최고 성능을 달성했습니다.
- 이는 AI가 단순 지식 암기를 넘어 실제 웹 환경의 복잡하고 다단계적인 정보를 얼마나 효율적으로 찾아내고 추론하는지가 핵심임을 보여주며, 오픈소스 검색 에이전트의 새로운 기준을 제시합니다.
- 모든 결과는 단일 ReAct 에이전트를 사용했으며 서브 에이전트나 테스트 시간 검증 과정을 거치지 않았다는 점에 유의해야 합니다. 연구진은 모델 가중치와 전체 학습 레시피를 공개할 예정입니다.
연구진은 웹 검색 능력을 극대화한 두 가지 검색 에이전트 'Iris-mini'과 'Iris-pro'를 공개했습니다. 이 모델들은 대규모 언어 모델을 기반으로 복잡하고 다단계적인 정보 탐색 작업을 수행하도록 훈련되었습니다.