T-Search: как мы обучали агента многошаговому поиску
Всем привет! На связи Толя Потапов, MLE в Т-Банке. Продолжаем развивать линейку открытых моделей Gen-T. Мы делились русскоязычными семействами моделей T-Lite и T-Pro. Сегодня выпускаем модель другого класса — T-Search....
18 Temmuz'da Wellington'da en yüksek sıcaklık 14°C olacak mı?
В сфере искусственного интеллекта произошло заметное событие. На связи Толя Потапов, MLE в Т-Банке. Продолжаем развивать линейку открытых моделей Gen-T. Мы делились русскоязычными семействами моделей T-Lite и T-Pro.
Сегодня выпускаем модель другого класса — T-Search. Это открытый агент-ретривер для сложного многошагового поиска. T-Search Он построен на базе Qwen3.
Технические детали
6-35B-A3B и обучен полностью на синтетических данных, которые мы генерировали под собственный харнесс. Важная особенность: T-Search не пишет финальный ответ, а отдает ранжированный список чанков, генерацию можно доверить любой модели под требования конкретного продукта. Вместе с моделью выкладываем в open source два бенчмарка: TRuST — первый бенчмарк сложного агентского поиска на русском языке и SynthComp — синтетический бенчмарк на русском и английском, с фиксированными индексами.
В статье расскажу, как устроен харнесс, как мы построили фабрику синтетических поисковых задач с состязательным циклом проверок, какие решения принимали на SFT- и RL-стадиях и как мерили качество.
Событие, по словам экспертов, усилит конкуренцию в сфере ИИ.
