#검색 에이전트

아이리스 미니·프로, 동급 오픈 소스 검색 에이전트 중 최강

중국 연구소 AllSpark가 350억과 3,970억 파라미터의 오픈 소스 검색 에이전트 Iris-mini와 Iris-pro를 전체 학습 레시피와 함께 공개했습니다. 두 모델은 웹 링크 구조에서 역설계된 다단계 질문과 2단계 필터링, 강화학습으로 학습되어 동급 오픈 소스 검색 에이전트 중 최고 성능을 기록했습니다. 학습되지 않은 일반 도구 사용·사무 작업에서도 성능이 향상되었다는 점과 컨텍스트 관리가 벤치마크 결과에 미치는 영향을 분석한 점이 주목할 만합니다.

AI 검색 에이전트의 실패 원인: 검색이 아닌 '질문'

텐센트와 칭화대 연구팀의 새로운 벤치마크에 따르면, AI 검색 에이전트가 실패하는 주된 원인은 검색 능력이 부족해서가 아니라 사용자의 모호한 질문에 대해 명확히 해달라고 묻지 않고 임의로 추측하기 때문입니다. 최신 LLM 모델들조차 이 벤치마크에서 50% 미만의 낮은 성공률을 기록했지만, 모델이 명확화 질문을 할 경우 성공률은 93% 이상으로 급증했습니다. 이는 향후 AI 시스템이 스스로 불확실성을 인식하고 사용자와 생산적인 대화를 나누는 능력을 갖춰야 함을 시사합니다.