🔟 Open‑source Deep Research Assistants 🤖

Глубокие исследовательские агенты — не просто чат‑боты, а полноценные ИИ‑ассистенты, способные искать информацию, взаимодействовать с инструментами, планировать и писать отчёты. Ниже — 10 мощных open‑source проектов, которые уже можно протестировать:

1. DeerFlow — модульная система от Bytedance: DeerFlow — open‑source фреймворк от Bytedance для создания модульных LLM-агентов.
Поддерживает:
- планирование действий,
- анализ кода,
- генерацию отчётов (включая Text-to-Speech),
- адаптивную интеграцию инструментов.
Создан для исследований, автоматизации и построения сложных агентных пайплайнов.
https://github.com/bytedance/deer-flow

2. Alita — самообучающийся агент с поддержкой Model Context Protocols (MCP), всё в одном модуле. Alita — агент, который сам придумывает, как ему расширить себя, не полагаясь на заранее написанные сценарии, и уже демонстрирует топовые результаты на сложных тестах.
https://github.com/CharlesQ9/Alita

3. WebThinker — автономный веб‑поиск с логикой "думай‑ищи‑пиши", RL‑обучением и глубокой навигацией
https://github.com/RUC-NLPIR/WebThinker

4. SimpleDeepSearcher — это лёгкий, но эффективный open‑source фреймворк от RUCAIBox, предназначенный для автономного веб-поиска через импровизированные многотуровые сессии:

- Использует Supervised Fine‑Tuning (SFT) вместо сложного RL, что значительно упрощает обучение и снижает вычислительные затраты
- Генерирует реалистичные траектории поиска и рассуждений, симулируя поведение пользователя в живом поисковом окружении .
- Критически отбирает данные по нескольким критериям качества: разнообразие запросов, сложность, структура ответов

5. AgenticSeek — приватный on‑device ассистент с выбором эксперта под задачу и голосовым управлением
https://github.com/Fosowl/agenticSeek

6. Suna — универсальный ассистент: браузер, CLI, работа с файлами, API, деплой
https://github.com/kortix-ai/suna

7. DeepResearcher — это комплексный open-source фреймворк от GAIR‑NLP, предназначенный для обучения LLM‑агентов, способных проводить глубокие исследования в автономном режиме, взаимодействуя с вебом. Использует несколько агентов‑браузеров, которые совместно исследуют веб и обрабатывают информацию
https://github.com/GAIR-NLP/DeepResearcher

8. Search‑R1 — агент на PPO/GRPO с поддержкой LLaMA3, Qwen2.5 и кастомных поисковиков. Агент учится эффективному циклу «думай — ищи — думай — отвечай» через RL, достигая важных улучшений в точности ответов и эффективности поиска.
https://github.com/PeterGriffinJin/Search-R1

9. ReCall — это фреймворк на основе RL, который учит LLM "должным образом" вызывать и комбинировать инструменты, используя сгенерированные задачи, без необходимости вручную собирать примеры вызовов — и всё это в открытом доступе.
https://github.com/Agent-RL/ReCall

10. OWL — мультиагентная система на CAMEL‑AI для динамического взаимодействия между агентами
https://github.com/camel-ai/owl

Агенты умеют планировать, взаимодействовать с браузером, запускать скрипты, интегрироваться с API и работать автономно.

Всё проекты — с открытым кодом. Можно изучить, собрать и доработать под свои задачи.

@ai_machinelearning_big_data

#ml #rl #aiagents #ai #agents

Инструкция по самоспасению от роботов.

Придется вам все-таки посмотреть, иначе вы не узнаете как спастись от разъяренного пса от Boston Dynamics.

На пороге тотальной отмены человечества знать такое важно. Приятного просмотра! Ну и предупредите близких 🏀

Видео на английском, но по картинкам всё понятно. Сара О'Конор сказала бы вам спасибо за такую подготовку?

#роботы #безопасность #защита
@cifroresh

В очередной раз достается медицинской диагностике от АИ-в этот раз модель o3 оказалась на ~80% эффективнее, чем средний практикующий врач-терапевт, у которого верный диагноз лишь в каждом пятом (!) случае ☕️

Но настоящий скачок в качестве произошёл, когда над ответами стала работать система-оркестратор, имитирующая дискуссию нескольких виртуальных докторов, которые критиковали решения друг друга

Под управлением этого нейро-консилиума:
• o3 поднялась до 80 % точности и при этом сократила расходы на обследования почти вдвое;
• GPT-4o приблизилась к 60 %, потратив меньше денег, чем тот же врач;
• Gemini 2.5 Pro, Claude 4 Opus, Grok-3, DeepSeek R1 и Llama 4 Maverick получили прибавку качества примерно на 10% каждая.

В итоге, нейро-консилиум ставит диагноз верно в четырёх случаях из пяти, запрашивает меньше дорогостоящих анализов и, как показали тесты на 304 сложнейших клинических историях из журнала NEJM, обгоняет людей как по точности, так и по экономичности

Тут подробнее и с расчетами себестоимости

Российский 50-кубитный квантовый компьютер успешно прошел испытания

💬Ученые ФИАН им. Лебедева РАН протестировали первый в России 50-кубитный квантовый компьютер на основе холодных ионов. Система использует цепочку из 25 ионов иттербия, управляемых лазерами.

Ключевые особенности:

🪷Применение куквартов (4 состояния вместо 2), что ускоряет вычисления.

🪷Новые методы защиты от декогеренции и охлаждения.

🪷Успешно выполнены алгоритмы Гровера, расчеты молекул и обучение нейросети.

Разработка ведется в рамках программы «Росатома» с 2020 года. Следующие цели — повышение точности и масштабирование для коммерческого использования.