Iris：攀登搜索前沿的代理模型
Hugging Face 论文页面介绍了 Iris-mini 和 Iris-pro 两个搜索代理，分别基于 35B-A3B 和 397B-A17B 规模训练。它们通过结合监督微调和强化学习的多阶段流程，在 BrowseComp、DeepSearchQA 等基准上取得了开源搜索代理中的领先成绩。论文计划发布模型权重及完整训练配方。
Iris：攀登搜索前沿的端到端搜索智能体方法
2026-09-07 · 2 篇报道 · 2 家独立信源 · 研究
主来源摘要
本文提出了一种构建、训练和评估搜索智能体的端到端方法，并发布了Iris-mini和Iris-pro系统。该系统通过自动构造多跳任务、过滤训练数据、结合监督微调和强化学习进行迭代优化，在BrowseComp、DeepSearchQA等基准上取得了开源搜索智能体的最佳性能。研究还强调了上下文管理对搜索性能的重要影响，并提供了可测量的对比评估。
参与来源arXiv cs.AI · Hugging Face Daily Papers
2
独立信源
2
报道篇数
0.0
当前热度
来源时间线
Iris：攀登搜索前沿的端到端搜索智能体方法
本文提出了一种构建、训练和评估搜索智能体的端到端方法，并发布了Iris-mini和Iris-pro系统。该系统通过自动构造多跳任务、过滤训练数据、结合监督微调和强化学习进行迭代优化，在BrowseComp、DeepSearchQA等基准上取得了开源搜索智能体的最佳性能。研究还强调了上下文管理对搜索性能的重要影响，并提供了可测量的对比评估。
事件分组由算法辅助完成，可能存在误合或漏合。多家来源报道同一主题不代表其中所有主张 都已得到独立确认；请优先核验主来源，并通过每篇报道的原文链接检查细节。