%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
Search R1
紹介 :
Search-R1は、推論を行い、検索エンジンを呼び出すことができる大規模言語モデル（LLM）をトレーニングすることを目的とした強化学習フレームワークです。veRLをベースに構築されており、様々な強化学習手法と異なるLLMアーキテクチャをサポートしており、ツール拡張推論の研究開発において、効率性と拡張性を備えています。
ターゲットユーザー :
研究者や開発者で、推論モデルを強化するための効率的なツールを必要とし、柔軟に検索エンジンを呼び出して情報を入手し、モデルの性能を向上させたいと考えている方に向いています。
使用シナリオ
Search-R1を使用して、複雑な質問に答え、検索エンジンを呼び出して最新の情報を取得するモデルをトレーニングします。
このフレームワークを利用して、多様な対話を行い、リアルタイムでデータ検索を行うインテリジェントな質問応答システムを開発します。
教育分野への応用として、検索エンジンとの連携により、学習アシスタントの知識範囲を拡大します。
製品特徴
PPO、GRPO、reinforceなど、様々な強化学習手法をサポートし、様々なトレーニングニーズに対応します。
Llama3、Qwen2.5など、様々な言語モデルと互換性があり、ユーザーは適切なベースモデルを選択できます。
ローカルのスパース/デンス検索エンジンとオンライン検索エンジンの両方が使用でき、様々なシナリオに柔軟に対応できます。
複数ノードでのトレーニングをサポートし、30B以上のLLMにも対応することで、トレーニング効率を向上させます。
オープンソースであるため、ツール拡張LLM推論の研究開発を促進します。
カスタムデータセットと検索エンジンの使用をサポートし、個々のニーズに対応します。
完全な実験ログを記録し、再現性と分析を容易にします。
便利なインストールと迅速な起動ガイドを提供し、使いやすさを向上させます。
使用チュートリアル
実行環境をインストールし、依存関係を準備します。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%230080ff;%20}%20%3c/style%3e%3c/defs%3e%3cpath%20class='st0'%20d='M16.2,11.1c.4.5.4,1.2,0,1.8l-4.7,7.1h-3.8l5.3-8L7.6,4h3.8l4.7,7.1Z'/%3e%3c/svg%3e)
インデックスとコーパスをダウンロードします。
トレーニングデータセットを処理します。
ローカル検索サーバーを起動します。
強化学習トレーニングスクリプトを実行します。
おすすめAI製品
Cohere Command
Cohere Commandは、企業に信頼できるAIソリューションを提供し、チームが重要な業務に集中できるようにすることを目的とした、高い拡張性を備えた言語モデルシリーズです。主な利点としては、高性能、高い精度、プライベート展開とカスタマイズが可能であること、そしてさまざまな現実世界の企業アプリケーションシナリオに適していることが挙げられます。
モバイルアプリケーションと周辺機器
49.1K
Search R1
Search-R1は、推論を行い、検索エンジンを呼び出すことができる大規模言語モデル（LLM）をトレーニングすることを目的とした強化学習フレームワークです。veRLをベースに構築されており、様々な強化学習手法と異なるLLMアーキテクチャをサポートしており、ツール拡張推論の研究開発において、効率性と拡張性を備えています。
モバイルアプリケーションと周辺機器
40.0K