論文の概要: Project Greenhouse: Progress Toward Fully Open and Sovereign Agentic Search
- arxiv url: http://arxiv.org/abs/2610.11922v1
- Date: Thu, 08 Oct 2026 13:19:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-10 02:36:54.040142
- Title: Project Greenhouse: Progress Toward Fully Open and Sovereign Agentic Search
- Title（参考訳）: Project Greenhouse: オープンでソブリンなエージェント検索に向けての進歩
- Abstract要約: Project Greenhouseは、簡単なテーマの探索を表しています。
我々は、控えめな計算資源だけで、エージェント検索のための完全にオープンで主権のあるモデルを構築することができると信じている。
- 参考スコア（独自算出の注目度）: 42.343719746380586
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Project Greenhouse represents our exploration of a simple thesis: We believe that it is possible to build fully open and sovereign models for agentic search with only modest computational resources. As a first milestone, we describe how to build a competitive pointwise decoder-only reranker using a simple two-step recipe comprising pre-training from scratch followed by supervised fine-tuning, starting only from commonly available datasets. Contrary to the dominant approach in the literature, we do not rely on existing open-weight backbones from third parties, and thus we are fully in control of model training, from end to end. We were able to accomplish the bulk of our experiments using no more than a handful of GPUs. This report articulates the importance and benefits of our approach, and we share artifacts that enable transparent, independent reproduction of all aspects of model training. Beyond data, code, and configurations that capture our efforts, we also release checkpoints for our family of Gaggle models, demonstrating the feasibility of our approach and providing a first step toward validating our broader thesis.
- Abstract（参考訳）: 私たちは、控えめな計算資源だけでエージェント検索のための完全にオープンで主権のあるモデルを構築することができると信じています。
最初のマイルストーンとして、スクラッチからの事前トレーニングと教師付き微調整を含む単純な2ステップのレシピを使用して、一般的に利用可能なデータセットからのみ始まる、競争力のあるポイントワイドデコーダのみのリランカを構築する方法について説明する。
文学における支配的なアプローチとは対照的に、私たちはサードパーティの既存のオープンウェイトなバックボーンに依存していません。
ほんの少しのGPUだけで、実験の大部分を達成できたのです。
本報告では,本手法の重要性とメリットを述べるとともに,モデルトレーニングのすべての側面を透過的かつ独立的に再現できるアーティファクトを共有する。
当社の取り組みを捉えたデータ、コード、設定の他に、Gaggleモデルのファミリーのチェックポイントをリリースし、アプローチの実現可能性を示し、より広範な論文を検証するための第一歩を提供しています。
関連論文リスト
- PRISM: PRior-guided Imagination Sampling in world Models [7.304186330343712]
PRISMは1つのデータセットから両方を抽出するタスクに依存しないフレームワークである。
PRISMは、Cube上のバニラワールドモデルベースのMPCよりも35パーセント、PushTでは32パーセント、成功率を改善する。
論文 参考訳（メタデータ） (2026-06-06T04:18:10Z) - OpenGait: A Comprehensive Benchmark Study for Gait Recognition towards Better Practicality [11.64292241875791]
既存の手法では、新しくリリースされた現実世界の歩行データセットに適用すると、満足のいく結果が得られることが多い。
我々は,DeepGaitV2,SkeletonGait,SkeletonGait++の3つの構造的単純かつ経験的に強力なベースラインモデルを開発した。
最終的に、我々は現在の歩行認識における重要なトレンドと課題について論じ、より良い実践性に向けてさらなる進歩を促すことを目的としている。
論文 参考訳（メタデータ） (2024-05-15T07:11:12Z) - Fantastic Gains and Where to Find Them: On the Existence and Prospect of
General Knowledge Transfer between Any Pretrained Model [74.62272538148245]
事前訓練されたモデルの任意のペアリングに対して、一方のモデルは他方では利用できない重要なデータコンテキストを抽出する。
このような「補的」な知識を,性能劣化を伴わずに,あるモデルから別のモデルへ伝達できるかどうかを検討する。
論文 参考訳（メタデータ） (2023-10-26T17:59:46Z) - Active Sensing with Predictive Coding and Uncertainty Minimization [0.0]
2つの生物学的計算から着想を得たエンボディード探索のためのエンドツーエンドの手法を提案する。
まず,迷路ナビゲーションタスクによるアプローチを実演し,環境の遷移分布と空間的特徴を明らかにする。
本モデルでは,視覚シーンを効率的に分類するための探索によって,教師なし表現を構築する。
論文 参考訳（メタデータ） (2023-07-02T21:14:49Z) - Retrieval-Enhanced Contrastive Vision-Text Models [61.783728119255365]
そこで本研究では,メモリから取得したクロスモーダルな情報を推論時に表現することで,その埋め込みを洗練できる視覚テキストモデルを提案する。
注目すべきことに、これは凍ったCLIPの上に軽量の単層核融合トランスを用いて行うことができる。
検索強化コントラスト訓練(RECO)がCLIPの性能を大幅に向上することを示す。
論文 参考訳（メタデータ） (2023-06-12T15:52:02Z) - Unsupervised Opinion Summarization with Content Planning [58.5308638148329]
要約モデルにコンテンツプランニングを明示的に組み込むことで、より高い品質のアウトプットが得られることを示す。
また、より自然な合成データセットを作成し、実世界の文書と要約のペアに似ている。
当社のアプローチは,情報的,一貫性,流動的な要約を生成する上で,競争モデルよりも優れています。
論文 参考訳（メタデータ） (2020-12-14T18:41:58Z) - Sequential Transfer in Reinforcement Learning with a Generative Model [48.40219742217783]
本稿では,従来の課題から知識を移譲することで,新たな課題を学習する際のサンプルの複雑さを軽減する方法について述べる。
この種の事前知識を使用することのメリットを明確に示すために,PAC境界のサンプル複雑性を導出する。
簡単なシミュレートされた領域における理論的な発見を実証的に検証する。
論文 参考訳（メタデータ） (2020-07-01T19:53:35Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。