разбор · агентытема-фронтир · H 1.51
4.0
из 10
смотреть не обязательно — забрать выжимку и пункты
оценка машинная и частично зависит от длины ролика — спорите, открывайте оригинал
Обучение агента поиска: семантические запросы и несколько инструментов
How we taught agents to use good retrieval - Hanna Lichtenberg, Mixedbread AI
LLM reasoning растёт экспоненциально, а поиск — медленно, создавая «знаниевый разрыв». Агенты пишут мусорные BM25-запросы из-за обучения на код-поиске и бенчмарках. Обучение своего агента с семантическими запросами и правильным выбором инструментов почти закрывает разрыв до Oracle.
Главное: агенты теряют точность из-за плохих поисковых запросов; улучшение поиска и обучение агента почти закр
что из этого моё
Можно применить при построении агентов для поиска по базе знаний: внедрить похожий харнесс с несколькими инструментами (обзорный семантический, точный семантический, grep, фильтры) и научить агента формулировать запросы как предложения, а не набор ключевых слов. Это повысит качество ответов на сложные вопросы и снизит нагрузку на контекст.
Что забрать
отметь, что берёшь в работу → или отбрось как не своёмоё →
вынести в конфиг конвейера разборов список инструментов поиска: обзорный семантический, точный семантический, grep, фильтр по метаданным
переписать промпт агента поиска: заменить 'поисковый запрос' на 'опишите, что ищете' и требовать одно ёмкое предложение
замерить NDCG на своей базе разборов до и после перехода на семантические запросы
о чём говорят, по времени
главы доводят до 09:30 · дальше по ролику меток нет
01
Знаниевый разрыв00:00 ↗
Разрыв между ростом возможностей LLM и медленным прогрессом поиска.
02
Почему агенты пишут плохие запросы02:30 ↗
Причины мусорных запросов: обучение на код-поиске, веб-паттерны и бенчмарк-байас.
03
Харнесс агента04:30 ↗
Описание архитектуры: четыре инструмента, параллельные поиски, ограничение раундов.
04
Промпт-инжиниринг07:30 ↗
Приёмы, чтобы агент писал семантические запросы: формулировка, примеры, контекст.
05
Обучение агента09:30 ↗
SFT с учителем и RL с наградой за поиск и траекторию.