Hugging Face研究人员构建OpenAI深度研究工具“开放”版本

人工智能开发平台 Hugging Face 最近宣布,他们已成功构建了OpenAI 深度研究工具的“开放”版本,旨在与 OpenAI 最近发布的深度研究工具进行竞争。 OpenAI 在一次活动中展示了其深度研究工具,这一工具能够通过爬取互联网信息,自动编制有关各种主题的研究报告。 但遗憾的是,该工具目前仅对订阅了 OpenAI 每月200美元的 ChatGPT Pro 计划的用户提供有限的使用权限。

人工智能开发平台 Hugging Face 最近宣布,他们已成功构建了OpenAI 深度研究工具的“开放”版本,旨在与 OpenAI 最近发布的深度研究工具进行竞争。

image.png

OpenAI 在一次活动中展示了其深度研究工具,这一工具能够通过爬取互联网信息,自动编制有关各种主题的研究报告。但遗憾的是,该工具目前仅对订阅了 OpenAI 每月200美元的 ChatGPT Pro 计划的用户提供有限的使用权限。

Hugging Face 的团队,包括公司联合创始人兼首席科学家 Thomas Wolf,表示他们的开放深度研究项目结合了 OpenAI 的 o1模型和一个开源的 “代理框架”。这个框架旨在帮助模型更好地进行信息分析,并指导其使用搜索引擎等工具。尽管 o1是一个付费的专有模型,研究人员认为它在性能上优于一些开放模型,如 DeepSeek 的 R1。

在短短不到24小时的时间里,研究团队成功利用 o1模型开发出了一种简单的文本浏览器和 “文本检查器” 工具包,使得开放深度研究能够在网络上进行自主导航。该工具可以滚动浏览网页、操作文件,甚至运行数据计算,从而提升了信息检索的效率。

根据 GAIA 基准测试,开放深度研究的得分为54%。相比之下,OpenAI 的深度研究得分为67.36%。尽管如此,在测试开放深度研究时,记者访问了 Hugging Face 团队设立的公共演示页面,却因为访问量过大而未能成功使用,最终收到了一个错误提示。

研究团队承诺将继续改进用户体验,并已将源代码上传至 GitHub,以便公众进行查看和反馈。需要注意的是,网上已经出现了多个 OpenAI 深度研究的 “复刻” 版本,但这些版本大多依赖于开放模型和工具,缺乏 o3模型这一关键部分。在复杂问题回答和信息获取的基准测试中,o3模型的表现几乎无人能敌。

随着市场对深度研究工具的需求不断增长,Hugging Face 的新尝试是否能够在未来与 OpenAI 的产品相抗衡,值得我们持续关注。

项目:https://github.com/huggingface/smolagents/tree/gaia-submission-r1/examples/open_deep_research

划重点:

🚀 Hugging Face 推出  OpenAI 深度研究工具的“开放”版本,旨在与 OpenAI 的深度研究工具竞争。  

🌐 该工具结合了 AI 模型 o1和开源框架,能够自主进行网络信息检索。  

💻 研究团队已将源代码发布在 GitHub,致力于改进用户体验并欢迎反馈。

相关资讯

OpenAI推出具有图像上传和分析功能的完整o1模型,并首次推出ChatGPT Pro

OpenAI已正式推出其o1模型,该模型已从预览版过渡成为ChatGPT平台的核心功能。 现在,它还可以分析图像——这是一个极为有用的功能升级,因为用户现在可以上传照片,AI聊天机器人会对其做出响应,例如,根据一张清晰的鸟屋照片,为用户提供如何完全从零开始搭建鸟屋的详细计划,非常有趣。 在另一个可能更为严肃且令人印象深刻的例子中,o1现在能够根据草图帮助设计数据中心。

300倍体积缩减!​Hugging Face推SmolVLM模型:小巧智能,手机也能跑AI

Hugging Face 推出了一款令人瞩目的 AI 模型 ——SmolVLM。 这款视觉语言模型的体积小到可以在手机等小型设备上运行,且性能超越了那些需要大型数据中心支持的前辈模型。 SmolVLM-256M 模型的 GPU 内存需求不足1GB,性能却超过了其前代 Idefics80B 模型,这一后者的规模是其300倍,标志着实用 AI 部署的一个重大进展。

Hugging Face 推出小巧AI模型,助力设备性能提升

近期,人工智能开发平台 Hugging Face 团队发布了两款新型 AI 模型,SmolVLM-256M 和 SmolVLM-500M。 他们自信地声称,这两款模型是目前为止体积最小的 AI 模型,能够同时处理图像、短视频和文本数据,尤其适合内存少于1GB 的设备如笔记本电脑。 这一创新让开发者在处理大量数据时,能够以更低的成本实现更高的效率。