T-Search: открытый агент для многошагового поиска от Т-Банка

Т-Банк представил T-Search — открытую модель-агент для сложного многошагового поиска, построенную на базе Qwen и обученную на синтетических данных. Вместе с ней опубликованы два бенчмарка в open source.

Т-Банк выпустил T-Search — открытый агент-ретривер для сложного многошагового поиска. Модель построена на базе Qwen3.6-35B-A3B и обучена полностью на синтетических данных, сгенерированных под собственный харнесс. T-Search не формирует финальный ответ, а возвращает ранжированный список чанков, а генерацию можно доверить любой модели. Вместе с моделью в open source опубликованы два бенчмарка: TRuST — первый бенчмарк сложного агентского поиска на русском языке, и SynthComp — синтетический бенчмарк на русском и английском с фиксированными индексами. В статье также описаны харнесс, фабрика синтетических поисковых задач с состязательным циклом проверок, решения на SFT- и RL-стадиях и оценка качества.

Источники 1

T-Search: открытый агент для многошагового поиска от Т-Банка Habr AI

T-Search: как мы обучали агента многошаговому поиску

Всем привет! На связи Толя Потапов, MLE в Т-Банке. Продолжаем развивать линейку открытых моделей Gen-T. Мы делились русскоязычными семействами моделей T-Lite и T-Pro. Сегодня выпускаем модель другого класса — T-Search. Это открытый агент-ретривер для сложного многошагового поиска.

T-Search Он построен на базе Qwen3.6-35B-A3B и обучен полностью на синтетических данных, которые мы генерировали под собственный харнесс. Важная особенность: T-Search не пишет финальный ответ, а отдает ранжированный список чанков, генерацию можно доверить любой модели под требования конкретного продукта.

Вместе с моделью выкладываем в open source два бенчмарка: TRuST — первый бенчмарк сложного агентского поиска на русском языке и SynthComp — синтетический бенчмарк на русском и английском, с фиксированными индексами.

В статье расскажу, как устроен харнесс, как мы построили фабрику синтетических поисковых задач с состязательным циклом проверок, какие решения принимали на SFT- и RL-стадиях и как мерили качество. Читать далее

#модель #ai #ml | @habr_ai