Iris চালু আছে

Iris হলো Xiaohongshu-এর AllSpark টিমের ওপেন-সোর্স সার্চ এজেন্ট, যার 35B (Iris-mini) এবং 397B (Iris-pro) দুটি সংস্করণ রয়েছে। Iris বাস্তব ওয়েবে কী খুঁজবে, কীভাবে পড়বে এবং কখন উত্তর সম্পূর্ণ করবে তা স্বয়ংক্রিয়ভাবে নির্ধারণ করতে পারে। ওয়েবপেজের হাইপারলিংক থেকে যথেষ্ট কঠিন কিন্তু সমাধানযোগ্য প্রশিক্ষণ ডেটা তৈরি করে, SFT এবং রিইনফোর্সমেন্ট লার্নিং পর্যায়ক্রমে পরিচালিত SFT–RL Climbing প্রশিক্ষণ পদ্ধতি ব্যবহার করে। BrowseComp, DeepSearchQA, HLE-সহ চারটি প্রধান বেঞ্চমার্কে একই আকারের মডেলগুলোর মধ্যে সেরা ওপেন-সোর্স ফলাফল অর্জন করেছে। 35B সংস্করণটি ট্রিলিয়ন-প্যারামিটার মডেলের কাছাকাছি পৌঁছেছে এবং এর সার্চ সক্ষমতা সাধারণ টুল কলিংসহ অন্যান্য কাজেও প্রয়োগ করা যায়।

স্বয়ংক্রিয় ওয়েব সার্চ: কী খুঁজবে, সার্চের ফল কীভাবে পড়বে এবং কখন চালিয়ে যাবে বা থামবে তা নিজেই নির্ধারণ করে; একই সঙ্গে সার্চ, যুক্তি এবং উত্তর প্রদান করে।
বহুধাপের ক্রস-পেজ যুক্তি: কীওয়ার্ড মিলিয়ে শর্টকাট নেওয়ার পরিবর্তে একাধিক ওয়েবপেজ ধাপে ধাপে বিশ্লেষণ করে একক উত্তর নির্ধারণ করতে পারে।
চীনা-ইংরেজি জটিল সার্চ: BrowseComp, BrowseComp-ZH-সহ চীনা ও ইংরেজি ওয়েব সার্চের কাজগুলোতে একই আকারের ওপেন-সোর্স মডেলগুলোর মধ্যে সেরা ফলাফল অর্জন করেছে।
প্রমাণ-সমৃদ্ধ প্রশ্নোত্তর: উত্তর দেওয়ার সময় প্রমাণের সম্পূর্ণ ধারাবাহিকতা তুলে ধরে এবং DeepSearchQA-তে অগ্রণী ফল দেখায়।
বিশেষজ্ঞ-স্তরের কঠিন সমস্যা সমাধান: HLE-এর মতো বিশেষজ্ঞ-স্তরের যুক্তি প্রয়োজন এমন কঠিন সমস্যা সমাধান করতে পারে।
কনটেক্সট ব্যবস্থাপনা: ট্রাঙ্কেশন ও কমপ্রেশনসহ বিভিন্ন কনটেক্সট ব্যবস্থাপনা কৌশল সমর্থন করে, ফলে দীর্ঘ সার্চ প্রক্রিয়া বাধাগ্রস্ত হয় না এবং ছোট মডেল বিশেষভাবে উপকৃত হয়।
সক্ষমতার বিস্তার: বিশেষ প্রশিক্ষণ ছাড়াই সাধারণ টুল কলিং ও অফিস সহযোগিতার মতো কাজ সম্পাদন করতে পারে।

WeChat-এ ফলো করে “开源” লিখে উত্তর দিন এবং AI ওপেন-সোর্স প্রকল্পের গ্রুপে যোগ দিন।
বিপরীতভাবে প্রশ্ন তৈরির ডেটা নির্মাণ: বীজ পেজকে উত্তর হিসেবে নিয়ে হাইপারলিংক অনুসরণ করে সত্তার গ্রাফ তৈরি করা হয়। এরপর গ্রাফে এমন প্রশ্ন তৈরি করা হয়, যার সমাধানে একাধিক পেজ পেরিয়ে বহু ধাপে যুক্তি প্রয়োগ করতে হয়। প্রশ্নে উত্তরের বাইরের সত্তাগুলোকে বর্ণনামূলক উল্লেখে রূপান্তর করে মিলিয়ে নেওয়ার সূত্র মুছে ফেলা হয়। শেষে রেফারেন্স মডেল দিয়ে দ্বৈত筛াই করা হয়; বই না দেখে উত্তর দিতে না পারলেও প্রমাণ দিলে একমাত্র সঠিক উত্তর পাওয়া যায় এমন প্রশ্নই রাখা হয়। পুরো প্রক্রিয়াটি স্বয়ংক্রিয় এবং কর্পাসের আকার অনুযায়ী সম্প্রসারণযোগ্য।
SFT–RL Climbing পর্যায়ক্রমিক প্রশিক্ষণ: SFT পর্যায়ে শক্তিশালী শিক্ষক মডেলকে বাস্তব সার্চ টুলে ট্রাজেক্টরি তৈরি করানো হয়, ফলাফল ফিল্টারিং ও “বিচারক”-এর একধাপের ফিল্টারের পর তা দিয়ে প্রশিক্ষণ দেওয়া হয়। RL পর্যায়ে মডেলকে বাস্তব ওয়েবে সার্চ করতে করতে শেখানো হয়। প্রতিটি রাউন্ড শেষে সবচেয়ে কঠিন এবং সবচেয়ে দক্ষতার সঙ্গে সমাধান করা ট্রাজেক্টরিগুলো পরবর্তী SFT রাউন্ডে ফেরত দেওয়া হয়। মডেল শক্তিশালী হওয়ার সঙ্গে সঙ্গে প্রশ্নগুলো স্বয়ংক্রিয়ভাবে কঠিন হয় এবং একটি অভিযোজিত কারিকুলাম তৈরি হয়।
প্রশিক্ষণ প্রকৌশলের অভ্যন্তরীণীকরণ: স্কোরিং ও সারাংশ তৈরি প্রশিক্ষণ ক্লাস্টারের অভ্যন্তরে নিজস্ব মডেল দিয়ে সম্পন্ন হয়; কোনো বাহ্যিক API-এর ওপর নির্ভর করতে হয় না, ফলে নেটওয়ার্কের ওঠানামা প্রশিক্ষণ চক্রে প্রভাব ফেলে না। একই সারাংশ মডেল প্রশিক্ষণ ও অনলাইন ব্যবহারে ব্যবহার করা হয়, ফলে প্রশিক্ষণ ও ইনফারেন্সের অসামঞ্জস্য দূর হয়।
অতি-দীর্ঘ ট্রাজেক্টরির বিরতি থেকে পুনরায় চালানো: অল্প কিছু দীর্ঘ সেশন আর সম্পূর্ণ বাতিল করা হয় না। অনুরোধের স্তরে তা থামিয়ে পরবর্তী ধাপে জমা দেওয়া প্রিফিক্স থেকে চালানো হয়, ফলে সিঙ্ক্রোনাস শিডিউলিংয়ের অধীনেও GPU-এর ব্যবহার উচ্চ থাকে।
সামঞ্জস্যপূর্ণ মূল্যায়ন প্রোটোকল: সব তুলনামূলক সিস্টেমকে একই টুল, কনটেক্সট, স্কোরিং মডেল এবং একই কনটেক্সট ব্যবস্থাপনা কৌশলের অধীনে কেবল একটি ReAct এজেন্ট দিয়ে মূল্যায়ন করা হয়। বহু-এজেন্ট ও টেস্ট-সময়ের স্ব-যাচাইয়ের মতো কাঠামোগত কৌশল বাদ দেওয়া হয়, যাতে স্কোর প্রকৃতপক্ষে মডেলের নিজস্ব সক্ষমতা প্রতিফলিত করে।

কোড রিপোজিটরি ক্লোন করুন: ইনফারেন্স ও মূল্যায়নের কোড পেতে git clone https://github.com/AllSpark-Research/Iris চালান।
মডেল ওজন ডাউনলোড করুন: HuggingFace সংগ্রহ huggingface.co/collections/AllSpark-Research/iris থেকে Iris-mini (35B) অথবা Iris-pro (397B) ওজন ডাউনলোড করুন।
রানটাইম পরিবেশ কনফিগার করুন: রিপোজিটরির নির্দেশনা অনুযায়ী নির্ভরতা ইনস্টল করুন, যেমন vLLM/SGLang ইনফারেন্স ফ্রেমওয়ার্ক, এবং সার্চ টুলের ইন্টারফেস কনফিগার করুন। ইন্টারনেট-সংযুক্ত সার্চ Search Agent-এর অপরিহার্য পূর্বশর্ত।
মডেল লোড করে টুলে যুক্ত করুন: ReAct এজেন্ট হিসেবে মডেল লোড করুন এবং সার্চ ইঞ্জিনকে মডেলের ব্যবহারের জন্য একটি টুল হিসেবে নিবন্ধন করুন।
প্রশ্ন দিয়ে ইনফারেন্স চালান: প্রশ্ন ইনপুট দিলে মডেল স্বয়ংক্রিয়ভাবে সার্চ কোয়েরি পরিকল্পনা করবে, ওয়েবপেজ পড়বে, বহু ধাপে যুক্তি প্রয়োগ করবে এবং প্রমাণসহ উত্তর সম্পূর্ণ করবে।

একই আকারের মডেলগুলোর মধ্যে সেরা ওপেন-সোর্স ফলাফল: BrowseComp, BrowseComp-ZH, DeepSearchQA এবং HLE এই চারটি সার্চ বেঞ্চমার্কে একই আকারের ওপেন-সোর্স মডেলগুলোর চেয়ে এগিয়ে। 397B Iris-pro কিছু ক্ষেত্রে ট্রিলিয়ন-প্যারামিটার মডেলকেও ছাড়িয়ে যায়।
ছোট আকারে বৃহৎ মডেলের কাছাকাছি: Iris-mini-এর 35B সংস্করণ BrowseComp-এ 82.2 স্কোর পেয়েছে এবং Kimi-K2.6-এর মতো কয়েক দশ গুণ বেশি প্যারামিটারের মডেলের কাছাকাছি পৌঁছেছে। ফলে ছোট মডেলও নির্দিষ্ট ক্ষেত্রে বৃহৎ মডেলকে চ্যালেঞ্জ করতে পারে।
স্বয়ংক্রিয় ও উচ্চমানের ডেটা নির্মাণ: ওয়েবপেজের হাইপারলিংক থেকে বিপরীতভাবে প্রশ্ন তৈরি, মিলিয়ে নেওয়ার সূত্র অপসারণ এবং “যথেষ্ট কঠিন কিন্তু সমাধানযোগ্য” দ্বৈত筛াই; পুরো প্রক্রিয়ায় হাতে প্রশ্ন তৈরি করতে হয় না এবং কর্পাসের আকার অনুযায়ী সীমাহীনভাবে সম্প্রসারণ করা যায়।
স্থিতিশীল ও দক্ষ প্রশিক্ষণ প্রকৌশল: স্কোরিং ও সারাংশ তৈরির কাজ প্রশিক্ষণ ক্লাস্টারে অভ্যন্তরীণীকরণ করা হয়েছে, ফলে বাহ্যিক API-এর ওপর নির্ভরতা পুরোপুরি দূর হয়েছে। অতি-দীর্ঘ ট্রাজেক্টরি বিরতি থেকে পুনরায় চালানোর সুবিধায় GPU অবিচ্ছিন্নভাবে পূর্ণ ব্যবহারে থাকে এবং প্রশিক্ষণের অনিশ্চয়তা অনেক কমে।
প্রশিক্ষণ ও অনলাইন ব্যবহারে সামঞ্জস্য: প্রশিক্ষণে সার্চের বিষয়বস্তু সংকুচিত করার সারাংশ মডেল, মূল্যায়ন এবং অনলাইন ব্যবহারে একই ব্যবস্থা ব্যবহার করা হয়; প্রশিক্ষণ ও ব্যবহারের মধ্যে কোনো অসামঞ্জস্য থাকে না।
সক্ষমতার বিস্তার ও উচ্চ সাধারণীকরণ: সার্চ সক্ষমতা সাধারণ টুল কলিং ও অফিস সহযোগিতার মতো বিশেষ প্রশিক্ষণ না দেওয়া কাজেও প্রয়োগ করা যায়। Search একটি পুনর্ব্যবহারযোগ্য মৌলিক সক্ষমতা।

GitHub রিপোজিটরি: https://github.com/AllSpark-Research/Iris
HuggingFace মডেল সংগ্রহ: https://huggingface.co/collections/AllSpark-Research/iris
arXiv প্রযুক্তিগত গবেষণাপত্র: https://arxiv.org/pdf/2609.04304

গভীর গবেষণা/গবেষণা প্রতিবেদন: স্বয়ংক্রিয় বহু-পর্যায়ের সার্চ, ক্রস-পেজ যুক্তি এবং সম্পূর্ণ প্রমাণের ধারাবাহিকতা; শিল্প গবেষণা, প্রতিযোগী বিশ্লেষণ, একাডেমিক গবেষণা ও Deep Research ধরনের পণ্যের জন্য উপযোগী।
জটিল তথ্য যাচাই: একাধিক ওয়েবপেজ পেরিয়ে বহু ধাপে উত্তর নির্ধারণ করতে হয়; গুজব খণ্ডন, তথ্য যাচাই এবং যথাযথ যাচাইয়ের মতো “উৎস অবশ্যই খুঁজে বের করতে হবে” এমন পরিস্থিতির জন্য উপযোগী।
চীনা-ইংরেজি দ্বিভাষিক সার্চ: BrowseComp ও BrowseComp-ZH উভয় ক্ষেত্রেই শক্তিশালী, তাই চীনা-ইংরেজি মিশ্র কর্পাসের আন্তঃসীমান্ত তথ্য অনুসন্ধানের জন্য স্বাভাবিকভাবেই উপযোগী।
সাধারণ টুল কলিং এজেন্ট: সক্ষমতা BFCL, τ-bench-সহ General Tool Use কাজেও বিস্তৃত করা যায় এবং Agent পণ্যের সাধারণ ভিত্তি হিসেবে ব্যবহার করা যায়।
অফিস সহযোগিতা (Cowork): OfficeQA, APEX-সহ অফিসের কাজে বিশেষ প্রশিক্ষণ ছাড়াই ব্যবহার করা যায়; অফিস সহায়কে যুক্ত করে নথি-ভিত্তিক প্রশ্নোত্তর ও প্রক্রিয়াগত কাজ পরিচালনার জন্য উপযোগী।