Chroma a lancé Context-1, un modèle de recherche agentique à 20 milliards de paramètres spécialement conçu pour la récupération multi-sauts. Ce modèle est développé pour gérer des requêtes complexes en identifiant des documents pertinents et en les transmettant à un modèle en aval pour une réponse finale.
Écouter l’article
Écoutez l’article avec une voix IA naturelle.
IA expliquée
Quelles sont les caractéristiques du modèle Context-1 de Chroma ?
Context-1 est un modèle agentique de recherche à 20 milliards de paramètres, conçu pour la récupération multi-sauts. Il décompose les requêtes complexes en sous-questions et élimine les documents non pertinents grâce à une fonction d’auto-édition. Ce modèle utilise une architecture Mixture of Experts et combine apprentissage supervisé et par renforcement.
- En bref: Context-1 optimise la recherche multi-sauts en traitant plusieurs appels d’outils simultanément et en réduisant la dérive contextuelle.
- Pourquoi c’est pertinent: Il permet une recherche plus rapide et moins coûteuse dans de grandes bases de données, adaptée aux requêtes complexes.
- Point clé: Le modèle améliore la précision et l’efficacité des recherches complexes en intégrant un mécanisme de filtrage des documents non pertinents.
Chroma Context-1 : optimisé pour la récupération multi-sauts
Context-1 est basé sur gpt-oss-20B, une architecture Mixture of Experts (MoE) affinée par un apprentissage supervisé (SFT) et un apprentissage par renforcement (RL). Contrairement aux systèmes RAG traditionnels, souvent confrontés à une latence élevée et à des coûts importants lors du traitement de grandes quantités de données, Context-1 est conçu pour décomposer la requête en sous-questions ciblées et exécuter plusieurs appels d’outils simultanément. Cela permet au modèle de rechercher efficacement dans de vastes sources de données.
Une des fonctionnalités les plus remarquables de Context-1 est le Self-Editing Context, qui permet au modèle d’éliminer les documents non pertinents au cours de la recherche. Cela réduit ce que l’on appelle la « dérive contextuelle » et maintient une haute qualité de récupération même avec une fenêtre contextuelle limitée. Chroma a également développé un outil nommé context-1-data-gen pour générer des tâches multi-sauts synthétiques, garantissant que le modèle soit testé sur des raisonnements complexes dans divers domaines comme la finance et les brevets.
Perspectives pour le marché français
Analyse Ainy : Context-1 offre aux développeurs français la possibilité d’intégrer des solutions d’IA plus performantes pour des recherches complexes. La réduction des coûts et l’accélération des traitements peuvent s’avérer décisives pour les entreprises françaises souhaitant exploiter les technologies d’IA. Ce modèle promet des résultats plus précis dans les projets basés sur les données, renforçant ainsi la compétitivité sur le marché européen.
Source : Marktechpost
Lire aussi : Bluesky lance Attie, une application IA pour des flux personnalisés
