本文へスキップ

Search-R1

推論し検索エンジンを呼び出す言語モデルを訓練

公式サイトを見る

Search-R1 とは

本枠組みは veRL を基盤にし、推論と検索エンジン呼び出しを行う言語モデルを訓練する強化学習の枠組みと説明されている。

できること

  • LLM に推論と検索エンジンの呼び出しを訓練する
  • ローカルのスパース検索・デンス検索とオンラインの検索エンジンを使う
  • 30B 超の LLM に複数ノード訓練を行う
  • 独自のデータセットと検索エンジンを定義する

活用場面

  • 複雑な質問に検索エンジンを呼び出して答えるモデルを訓練する
  • 複数回の対話と即時検索を備えた質問応答システムを作る
  • 教育の場で検索エンジンと組み合わせ学習支援の知識の対応範囲を広げる

枠組みについて

  • PPO や GRPO などの強化学習手法に対応する
  • Llama3 や Qwen2.5 などの言語モデルに対応する
  • 資料はオープンソースと説明する
  • 資料はツールで補強した推論研究の効率と拡張性を挙げる

長所と短所

✓ 良い点

  • ローカルのスパース検索・デンス検索とオンラインの検索エンジンを併用できる
  • 独自のデータセットと検索エンジンに対応

! 注意したい点

  • 訓練は枠組み内で設定する強化学習手法に依存
  • 資料の準備には索引・コーパス・ローカル検索サーバーが必要

よくある質問

何を基盤にする?

資料は veRL を基盤とし、複数の強化学習手法と LLM 構成に対応と説明。

記録された準備手順は?

依存関係の用意、索引とコーパスの取得、訓練データの処理、ローカル検索サーバーの起動。

最終評価日: 2026-11-15

その他 AI検索エンジン ツール

すべて見る →

評価方法