LecturaInvestigaciónRadarMarco de inversión
Iniciar sesión / Registrarse
← Volver a la lectura
TemaEditorial de DisconfirmAIActualizado 2026-10-07 12:21

T-Search检索模型

3 pasos1 piezas4 Fuentes

T-Tech发布开源智能体检索器T-Search,基于Qwen3.6-35B-A3B架构,专攻英俄双语多步硬搜索。该模型通过多轮ReAct循环返回证据块而非最终答案,在七个基准测试中平均Recall@10达56.0(单次)至61.3(三次融合),超越更大规模开放模型。其核心创新在于“轮次切片”上下文管理以对抗长程搜索中的语境腐烂,并引入首个俄语硬搜索基准TRuST。争议点在于其通用能力与专用能力的权衡:官方承认其在通用基准上无显著增益,强调仅作为可替换组件服务于RAG系统。后续需关注Habr上的详细训练报告及社区对单GPU部署效率的实际验证。

Cómo llegó hasta aquí

  1. 2026-07-19

    T-Tech正式开源T-Search模型及配套工具链,宣称可在单GPU上运行,成本较传统集群方案降低一个数量级。

    quasa.io ↗
  2. 2026-07-24

    官方博客发布技术详解,阐述如何通过固定工作窗口和显式保存机制解决长程搜索中的“语境腐烂”问题。

    t-tech-t-search-blog.hf.space ↗
  3. 2026-10-05

    论文《T-Search: An Open Agentic Retriever...》提交至arXiv,公布在BrowseComp-Plus等基准上的具体召回率数据及TRuST基准集。

    arxiv.org ↗

Lo que aún está pendiente

  • T-Search在非检索类通用任务上的表现是否如官方所述确实无增益?
  • TRuST基准集的标注质量及社区复现结果如何?
  • FP8/NVFP4量化版本在实际部署中的精度损失具体是多少?

Fuentes

  • arxiv.orgarXiv论文↗
Iniciar sesión / Registrarse
LecturaInvestigaciónRadarMarco de inversión
t-tech-t-search-blog.hf.space官方博客↗
  • quasa.ioQuasa报道↗
  • huggingface.coHugging Face模型页↗
  • Cobertura en este tema

    • T-Search Open-Sourced: Small Model Boosts Retrieval2026-10-06Noticias

      T-Search, built on Qwen3.6, improves multi-step retrieval recall by 14.4 points and releases the first Russian hard-search benchmark.