AllSpark Ra Mắt Iris-mini Và Iris-pro, Agent Tìm Kiếm Mã Nguồn Mở

Iris-mini có 35 tỉ tham số, còn Iris-pro có 397 tỉ tham số. Cả hai xây trên các model Qwen3.6-35B-A3B và Qwen3.5-397B-A17B, và dùng cửa sổ ngữ cảnh 256.000 token.

AllSpark nói quy trình huấn luyện xây nhiệm vụ ngược từ cấu trúc liên kết của các trang mạng. Từ một trang mồi và các liên kết đi ra, hệ thống dựng đồ thị thuật ngữ và quan hệ, rồi tạo ra câu hỏi nhiều bước mà đáp án phải nối qua nhiều bước liên quan.

Mỗi thuật ngữ, trừ đáp án cuối cùng, đều được thay bằng cách diễn đạt khác để không thể lần ra bằng tìm chữ đơn giản. Chỉ những câu hỏi mà model tham chiếu không giải được nếu không dùng công cụ nhưng lại giải được khi có đúng nguồn mới được đưa vào tập dữ liệu.

Một model thầy mạnh hơn tạo ra đường giải gồm suy luận, câu truy vấn tìm kiếm và kết quả. Các đường này qua hai vòng lọc: vòng đầu kiểm tra toàn bộ đường giải về độ đúng, lặp lại và độ sâu tìm kiếm; vòng hai là rà soát từng bước bởi model chấm với tiêu chí lấy từ chính dữ liệu, không đặt bằng tay.

Sau đó, model được cải thiện bằng học tăng cường với tìm kiếm mạng trực tiếp. Model chấm và phần tóm tắt kết quả chạy trong cụm huấn luyện, dùng model Qwen lớn của chính nhóm để việc huấn luyện không phụ thuộc dịch vụ bên ngoài. Tinh chỉnh có giám sát và học tăng cường xen kẽ, và các nhiệm vụ khó đã giải cùng các đường giải hiệu quả nhất từ mỗi vòng sẽ đi vào chu kỳ tiếp theo.

Nhóm còn nói việc quản lý ngữ cảnh khi chạy trên các phép đo hiệu năng phổ biến thường tạo khác biệt lớn hơn khoảng cách được công bố giữa các hệ thống. Trong các phiên nghiên cứu dài, ngữ cảnh có thể đầy trước khi agent xử lý xong các câu hỏi con, còn việc xóa lịch sử trò chuyện chỉ làm phiên nghiên cứu dài hơn một cách nhân tạo và không nói nhiều về chất lượng model.