مقاله‌ی arXiv:2610.06782 · منتشرشده در کانال
T-Search: An Open Agentic Retriever and Playground for Hard Multi-Step Search
تی‌سرچ: بازیاب ایجنتی باز و زمین بازی برای جست‌وجوی سخت چندمرحله‌ای
- تاریخ
- (۱۳ مهر ۱۴۰۵) 2026-10-05 تأییدشده از روی تاریخ ارسال نسخه‌ی اول در آرکایو
- نویسنده‌ها
- Olga Tsymboi, Ramil Latypov, Aleksandr Medvedev, Danil Taranets, Dmitrii Stoianov, Nikita Gulyakov, Gleb Alektorov, Anatolii Potapov
- نهاد نویسنده‌ها
- T-Tech
خلاصه‌ی فارسی
مسئله
پرسش‌های سخت اغلب به جست‌وجوی چندمرحله‌ای نیاز دارند که هر گام به نتیجه‌ی گام قبلی وابسته است. سیستم‌هایی که جست‌وجو و تولید پاسخ را یکجا انجام می‌دهند، تعویض موتور جست‌وجو یا مدل پاسخ‌گو را بدون آموزش دوباره سخت می‌کنند.
روش
مدل باز T-Search با گرفتن یک پرسش و یک ابزار جست‌وجو روی یک مجموعه‌ی ثابت، یک جست‌وجوی چنددوری محدود اجرا می‌کند و فهرست رتبه‌بندی‌شده‌ای از تکه‌های شاهد با توجیه کوتاه برمی‌گرداند و تولید پاسخ را به مدل پایین‌دستی می‌سپارد. روی Qwen3.6-35B-A3B ساخته شده و روی تسک‌های مصنوعی جست‌وجو که به‌صورت تقابلی فیلتر شده‌اند، با تنظیم دقیق نظارت‌شده‌ی دوربه‌دور و سپس GSPO با پاداش بازخوانی آموزش دیده است.
یافته‌ها
- در میانگین هفت بنچمارک انگلیسی و روسی با برچسب شاهد طلایی، با یک اجرا به Recall@۱۰ برابر ۵۶٫۰ رسید، ۱۴٫۴ امتیاز بالاتر از مدل پایه، و با سه اجرای ترکیبی به ۶۱٫۳ رسید و از مدل‌های باز بزرگ‌تر بهتر بود.
- مدل، هارنس، نسخه‌ی نمایشی زنده و سه بنچمارک منتشر شد، از جمله TRuST، اولین بنچمارک جست‌وجوی سخت بومی روسی.
محدودیت‌ها
نویسنده‌ها می‌گویند هارنس بخشی از مدل است و کیفیت در یک حلقه‌ی دیگر ممکن است تغییر کند، پس توصیه می‌کنند هارنس منتشرشده اجرا و روی نمایه‌ی خود کاربر اعتبارسنجی شود؛ مدل فقط شاهد برمی‌گرداند نه پاسخ.
چرا مهم است
جدا کردن جست‌وجو از پاسخ‌گویی اجازه می‌دهد هر بخش جداگانه بهتر یا تعویض شود. این مدل باز ابزاری قابل استفاده برای جست‌وجوی سخت، از جمله برای زبانی غیر از انگلیسی، می‌دهد.