Iris Faoliyat yuritmoqda

Iris — Xiaohongshu kompaniyasining AllSpark jamoasi tomonidan ochiq manbali qilingan qidiruv agenti bo‘lib, 35B (Iris-mini) va 397B (Iris-pro) versiyalarini o‘z ichiga oladi. Iris haqiqiy internet muhitida nimani qidirish, qanday o‘qish va qachon javobni yakunlashni mustaqil hal qiladi. U veb-sahifalardagi giperhavolalardan yetarlicha murakkab, ammo yechish mumkin bo‘lgan o‘quv ma’lumotlarini teskari usulda yaratadi hamda SFT va mustahkamlovchi o‘qitishni navbatma-navbat qo‘llaydigan SFT–RL Climbing usulidan foydalanadi. BrowseComp, DeepSearchQA, HLE kabi to‘rtta asosiy mezonda shu toifadagi eng kuchli ochiq manbali natijalarga erishgan. 35B versiyasi trillion parametrli modellarga yaqinlashib, qidiruv qobiliyatini umumiy vositalardan foydalanish kabi vazifalarga ham ko‘chira oladi.

Avtonom internet qidiruvi: nimani qidirish, qidiruv natijalarini qanday o‘qish va qachon davom etish yoki to‘xtashni o‘zi belgilaydi; qidirish, mulohaza yuritish va javob berishni bir vaqtda amalga oshiradi.
Ko‘p bosqichli, sahifalararo mulohaza: kalit so‘zlarni moslashtirish orqali qisqa yo‘ldan foydalanmay, bir nechta veb-sahifalar asosida yagona javobni bosqichma-bosqich aniqlaydi.
Xitoycha va inglizcha murakkab qidiruv: BrowseComp, BrowseComp-ZH kabi xitoycha va inglizcha veb-qidiruv vazifalarida shu toifadagi eng kuchli ochiq manbali natijalarni ko‘rsatadi.
Dalillarni to‘liq qamrab oluvchi savol-javob: javob berishda dalillar zanjirini to‘liq qamrab oladi va DeepSearchQA testida yetakchi natija ko‘rsatadi.
Ekspert darajasidagi masalalarni yechish: ekspert darajasidagi mulohazani talab qiladigan HLE kabi murakkab masalalarni hal qila oladi.
Kontekstni boshqarish: kesish, siqish kabi kontekstni boshqarish strategiyalarini qo‘llab-quvvatlaydi; uzoq qidiruv zanjiri uzilmaydi va bu ayniqsa kichik modellarga katta foyda beradi.
Qobiliyatlarning ko‘chishi: maxsus tayyorgarliksiz umumiy vositalardan foydalanish va ofis hamkorligi kabi vazifalarni bajara oladi.

WeChat’da kuzatib boring va “开源” deb javob yuborib, AI ochiq manbali loyihalar guruhiga qo‘shiling.
Teskari masala yaratish orqali ma’lumot tuzish: urug‘ sahifa javob sifatida olinadi, giperhavolalar bo‘ylab yurib, obyektlar grafigi hosil qilinadi. So‘ng grafik asosida sahifalararo ko‘p bosqichli mulohazani talab qiladigan savollar yaratiladi. Savol matnida javobdan tashqari obyektlar tavsifiy ishoralar bilan almashtirilib, moslashtirish mumkin bo‘lgan belgilar olib tashlanadi. Yakunda ma’lumotlar namunaviy model yordamida ikki bosqichda saralanadi: yopiq kitob sharoitida javob berib bo‘lmaydigan, ammo dalillar berilganda yagona to‘g‘ri javobga olib keladigan savollargina saqlanadi. Jarayon to‘liq avtomatlashtirilgan va korpus hajmi oshgani sari kengayadi.
SFT–RL Climbing navbatma-navbat o‘qitish: SFT bosqichida kuchli o‘qituvchi model haqiqiy qidiruv vositalarida trayektoriyalar yaratadi; natijalarni filtrlash va “hakam”ning bir bosqichli filtrlashidan so‘ng ular o‘qitishda ishlatiladi. RL bosqichida model haqiqiy internetda qidirish jarayonida o‘rganadi. Har bir davr yakunida eng qiyin to‘g‘ri bajarilgan va eng samarali yechilgan trayektoriyalar keyingi SFT bosqichiga qaytariladi. Model kuchaygani sari savollar avtomatik ravishda murakkablashib, moslashuvchan o‘quv dasturi shakllanadi.
O‘qitish muhandisligini ichkilashtirish: baholash va qisqa mazmun yaratish o‘qitish klasteri ichida maxsus yaratilgan modellar yordamida bajariladi, tashqi API’lar talab qilinmaydi. Bu tarmoqdagi beqarorlikning o‘qitish sikliga ta’sirini bartaraf etadi. Shuningdek, o‘qitish va onlayn foydalanishda bir xil qisqa mazmun yaratish vositasidan foydalanilib, o‘qitish va xulosa chiqarish o‘rtasidagi nomuvofiqlik yo‘q qilinadi.
Juda uzun trayektoriyalarni uzilish nuqtasidan davom ettirish: kam sonli, jarayonni sekinlashtiradigan juda uzun sessiyalar to‘liq tashlab yuborilmaydi. So‘rov darajasida uzilish amalga oshiriladi va keyingi qadam yuborilgan prefiksdan davom etadi. Shu tariqa sinxron rejalashtirish sharoitida GPU’dan yuqori darajada foydalanish saqlanadi.
Muvofiqlashtirilgan baholash protokoli: barcha taqqoslanadigan tizimlar bir xil vositalar, kontekst, baholash modeli va kontekstni boshqarish strategiyasi ostida faqat bitta ReAct agenti yordamida baholanadi. Ko‘p agentli yondashuvlar va test vaqtida o‘zini tekshirish kabi usullar chiqarib tashlanib, ballar modelning haqiqiy qobiliyatini aks ettirishi ta’minlanadi.

Kod omborini klonlash: xulosa chiqarish va baholash kodini olish uchun git clone https://github.com/AllSpark-Research/Iris buyrug‘ini bajaring.
Model og‘irliklarini yuklab olish: Iris-mini (35B) yoki Iris-pro (397B) og‘irliklarini huggingface.co/collections/AllSpark-Research/iris HuggingFace to‘plamidan yuklab oling.
Ishlash muhitini sozlash: ombor talablariga muvofiq bog‘liqliklarni, masalan, vLLM/SGLang kabi xulosa chiqarish freymvorklarini o‘rnating va qidiruv vositasi interfeysini sozlang. Internet orqali qidiruv Search Agent uchun zarur shartdir.
Modelni yuklash va vositaga ulash: modelni ReAct agenti shaklida yuklang va qidiruv tizimini model chaqira oladigan vosita sifatida ro‘yxatdan o‘tkazing.
Savol berib, xulosa chiqarishni ishga tushirish: savolni kiriting. Model qidiruv so‘rovlarini avtomatik rejalashtiradi, veb-sahifalarni o‘qiydi, ko‘p bosqichli mulohaza yuritadi va dalillarga asoslangan yakuniy javobni taqdim etadi.

O‘z toifasidagi eng kuchli ochiq manbali natijalar: BrowseComp, BrowseComp-ZH, DeepSearchQA va HLE to‘rtta qidiruv mezonida shu toifadagi ochiq manbali modellar orasida to‘liq ustunlik qiladi. Iris-pro 397B ayrim testlarda trillion parametrli modellardan ham o‘zib ketadi.
Kichik hajm bilan ulkan modellarga yaqinlashish: Iris-mini 35B BrowseComp testida 82.2 ball olib, parametrlar soni o‘nlab marta ko‘p bo‘lgan Kimi-K2.6 kabi modellarga yaqinlashdi. Bu kichik modellarga maxsus sohalarda ulkan modellar bilan raqobatlashish imkonini beradi.
Ma’lumotlarni avtomatik va sifatli tuzish: veb-sahifalardagi giperhavolalardan teskari usulda savollar yaratish, moslashtiriladigan belgilarni olib tashlash va “yetarlicha murakkab, ammo yechiladigan” savollarni ikki bosqichda saralash jarayoni inson tomonidan savol tuzishni talab qilmaydi hamda korpus hajmi bilan cheksiz kengayishi mumkin.
Barqaror va samarali o‘qitish muhandisligi: baholash va qisqa mazmun yaratish o‘qitish klasteriga ichkilashtirilgan, tashqi API’larga bog‘liqlik butunlay bartaraf etilgan. Juda uzun trayektoriyalarni uzilish nuqtasidan davom ettirish GPU’ni doimiy ravishda yuqori yuklama bilan ishlatib, o‘qitishdagi noaniqlikni sezilarli kamaytiradi.
O‘qitish va onlayn foydalanishdagi izchillik: o‘qitish vaqtida qidiruv mazmunini siqadigan qisqa mazmun yaratish vositasi baholash va onlayn foydalanishda ham aynan bir xil. Shu sababli o‘qitish va foydalanish o‘rtasida nomuvofiqlik yo‘q.
Qobiliyatlarning ko‘chishi va yuqori universallik: qidiruv qobiliyati umumiy vositalardan foydalanish va ofis hamkorligi kabi maxsus o‘qitilmagan vazifalarga ham umumlashadi. Search qayta foydalanish mumkin bo‘lgan atomar qobiliyatdir.

GitHub ombori: https://github.com/AllSpark-Research/Iris
HuggingFace model kutubxonasi: https://huggingface.co/collections/AllSpark-Research/iris
arXiv texnik maqolasi: https://arxiv.org/pdf/2609.04304

Chuqur tadqiqot va tahliliy hisobotlar: avtomatik ko‘p bosqichli qidiruv, sahifalararo mulohaza va dalillarni to‘liq qamrab olishni ta’minlaydi. Shu sababli soha tadqiqotlari, raqobatchilar tahlili va akademik tadqiqotlar kabi Deep Research mahsulotlari uchun mos.
Murakkab faktlarni tekshirish: javobni bir nechta veb-sahifa orqali ko‘p bosqichda aniqlash talab qilinadi. Bu rad etish, faktlarni tekshirish va “manbasini topish shart” bo‘lgan tegishli tekshiruv vaziyatlari uchun mos.
Xitoycha va inglizcha ikki tilli qidiruv: BrowseComp va BrowseComp-ZH testlaridagi kuchli natijalar uni xitoycha va inglizcha aralash korpuslarda transchegaraviy axborot qidiruvi uchun tabiiy tanlovga aylantiradi.
Umumiy vositalardan foydalanish agenti: qobiliyatlari BFCL, τ-bench kabi General Tool Use vazifalariga ham ko‘chadi va Agent mahsulotlari uchun umumiy poydevor bo‘la oladi.
Ofis hamkorligi (Cowork): OfficeQA, APEX kabi ofis vazifalarida maxsus o‘qitishsiz ishlay boshlaydi. Hujjatlar bo‘yicha savol-javob va ish jarayoni vazifalarini bajaruvchi ofis yordamchilariga integratsiya qilish uchun mos.