LongCat-DeepResearch؟ ">كيف يعمل LongCat-DeepResearch؟
يعمل النظام من خلال فصل التخطيط العالمي عن التحقيق التفصيلي، حيث يقوم وكلاء متعددون بتجميع المعلومات من مصادر خارجية ووضع خطة بحث قابلة للتنفيذ تعرف باسم 'ResearchSpec'. بعد ذلك، تتولى الوكلاء البحث والتأليف للمساهمة في الأقسام المحددة مع جمع الأدلة الضرورية في سياقات متوازية.
نتائج ملهمة ">نتائج ملهمة
عندما تم تجميع الأقسام النهائية، يتم توجيه مراجعة شاملة لرصد الدراسات المحلية المحددة، مما يقلل من الاعتماد على إعادة كتابة التقارير بالكامل. حقق LongCat-DeepResearch تقديرات مثيرة للإعجاب، حيث سجل 55.25 على DeepResearchBench و51.35 على DeepResearchBench II، و79.83 على ResearchRubrics، مما يجعله الخيار الثاني بين أنظمة متعددة تم اختبارها.
الابتكار والتحسين ">الابتكار والتحسين
تظهر الدراسات أن دمج وجهات نظر التخطيط قد حقق فوائد واضحة، بينما كان لتحسين التخطيط تأثيرات مختلطة. تعزز عمليات التحرير الإضافية متوسط قابلية القراءة التلقائية على متطلبات متنوعة، مما يدل على التنوع في النتائج مع كل معيار.
أصبح LongCat-DeepResearch مثالاً يحتذى به في كيفية توظيف الذكاء الاصطناعي لتحسين كفاءة البحوث وكيفية بناء مهام بحثية وبنى جديدة بين مراحل التدريب المختلفة.
ما رأيكم في هذا التطور الثوري؟ كيف ترون مستقبل بحوث الذكاء الاصطناعي بفضل مثل هذه الأنظمة الرائدة؟ شاركونا في التعليقات!