arXiv cs.CL· Jimmy Lin, Sahel Sharifymoghaddam, Lingwei Gu, Nour Jedidi·· 9 天前AI 评分33
Project Greenhouse：迈向完全开放与自主的智能体搜索
Project Greenhouse: Progress Toward Fully Open and Sovereign Agentic Search
AI 导读
Project Greenhouse 探索仅用少量 GPU 从零预训练加监督微调，构建完全开放、自主可控的智能体搜索模型，不依赖第三方开源权重骨干。团队发布 Gaggle 系列模型 checkpoint 及数据、代码与配置，支持训练全流程的透明独立复现。
正文 · AI 翻译
摘要：Project Greenhouse 代表了我们对一个简单命题的探索：我们相信，仅凭适度的计算资源，就有可能为智能体搜索构建完全开放且自主可控的模型。作为第一个里程碑，我们描述了如何仅从常用公开数据集出发，使用一个简单的两步配方——从零开始预训练，随后进行监督微调——来构建一个有竞争力的逐点仅解码器重排序器。与文献中的主流方法相反，我们不依赖第三方的现有开放权重骨干模型，因此我们从头到尾完全掌控模型训练。我们仅用少量 GPU 就完成了大部分实验。本报告阐述了这一方法的重要性和优势，并分享了能够透明、独立复现模型训练所有环节的工件。除了记录我们工作的数据、代码和配置之外，我们还发布了 Gaggle 模型系列的检查点，证明了我们方法的可行性，并为验证我们更广泛的命题迈出了第一步。
| 学科： | 信息检索（cs.IR）；计算与语言（cs.CL） |
| 引用为： | arXiv:2610.11922 [cs.IR] |
| （或本版本的 arXiv:2610.11922v1 [cs.IR]） | |
| https://doi.org/10.48550/arXiv.2610.11922 arXiv 颁发的 DOI，经由 DataCite（待注册） |
提交历史
来自：Jimmy Lin [查看邮箱]
[v1]
2026年10月8日星期四 13:19:46 UTC（87 KB）
来源：arXiv cs.CL · arxiv.org