Tulu: Открытая модель для глубокого анализа данных
Allen Institute for AI представил Deep Research Tulu, открытую модель на 8 миллиардов параметров, предназначенную для сложного анализа и глубокого поиска информации. Tulu позволяет создавать интеллектуальных агентов, способных самостоятельно планировать исследование, обращаться к внешним источникам, собирать данные с разных платформ и предоставлять ответы с точными ссылками на источники. Такой подход делает её мощным инструментом для научной работы, аналитики и корпоративного анализа.
Модель обучалась с использованием метода RLER (Reinforcement Learning with Evolving Rubrics). В отличие от классических систем с фиксированными наградами, RLER использует динамические критерии оценки, которые адаптируются по мере обучения модели. Это позволяет агентам Tulu анализировать контекст более глубоко и избегать поверхностного угадывания ответов, что часто встречается у стандартных моделей с жесткими правилами наград.
По данным разработчиков, Tulu не уступает решениям OpenAI и Perplexity на задачах, связанных с long-form research, но работает значительно дешевле. Стоимость выполнения сложного запроса составляет менее одного цента, тогда как аналогичная задача у коммерческих моделей может доходить до $1.80. Это открывает возможности для широкого внедрения в образовательные, научные и коммерческие проекты.
Tulu также предоставляет удобный интерфейс для построения кастомных агентов. Пользователи могут настраивать источники данных, определять последовательность шагов исследования и интегрировать внешние API для расширенной аналитики. Модель подходит для работы с большими корпусами текстов, научными публикациями, отчетами и данными из интернета.
Все подробности, инструкции и примеры использования доступны на официальном блоге Ai2.
Ну что ж, теперь каждый сможет почувствовать себя великим исследователем, не тратя при этом целое состояние. Главное, не забывайте, что даже самый умный ИИ иногда нуждается в хорошей чашке кофе… или в перезагрузке.
