Искусственный интеллект

Российская ИИ-система ускорила подготовку исследовательских отчётов в шесть раз

Российские исследователи из Университета ИТМО разработали систему искусственного интеллекта DiffResearch, которая способна готовить подробные аналитические отчёты примерно в шесть раз быстрее аналогичной системы на традиционной языковой модели. Разработку испытали на сложных научных заданиях, охватывающих 22 области знаний. При этом ускорение не привело к заметному снижению качества получаемых материалов.

В основе DiffResearch лежат диффузионные языковые модели, которые формируют текст иначе, чем большинство современных нейросетей. Обычные модели генерируют ответ последовательно, слово за словом, тогда как диффузионные могут одновременно обрабатывать несколько фрагментов текста и постепенно уточнять их содержание. Благодаря такому подходу система быстрее планирует исследование, обрабатывает найденные сведения и составляет итоговый документ.

Для проверки эффективности разработчики использовали Deep Research Bench — набор из 100 исследовательских задач уровня докторантуры, относящихся к 22 научным направлениям. Учёные сравнили работу одной системы с двумя типами языковых моделей, сохранив одинаковые алгоритмы поиска, инструкции и методы оценки результатов.

Эксперимент показал, что DiffResearch выполняет полный цикл подготовки отчёта примерно в шесть раз быстрее системы на сопоставимой авторегрессионной модели. Наибольшая разница наблюдалась при планировании исследования и написании текста: эти этапы ускорились в 10–12 раз.

Разработчики также предложили механизм dFast, позволяющий начинать поиск информации ещё до того, как нейросеть полностью сформулирует поисковый запрос. Система извлекает подходящие фрагменты из промежуточных результатов генерации и сразу передаёт их поисковому модулю. В испытаниях такой подход обеспечил почти двукратное ускорение отдельного этапа подготовки поисковых запросов.

Качество отчётов оценивали по методике RACE, учитывающей полноту раскрытия темы, содержательность выводов, соблюдение требований задания и понятность текста. Система с традиционной моделью получила 0,3904 балла, а DiffResearch с механизмом раннего извлечения запросов — 0,3969 балла. Таким образом, в рамках проведённого тестирования существенное сокращение времени не сопровождалось ухудшением автоматической оценки качества.

Разработка может применяться для анализа научных публикаций, подготовки технических обзоров и обработки больших массивов документов. Особенно полезной технология может оказаться в задачах, где требуется регулярно собирать информацию из множества источников и формировать развёрнутые отчёты.

Подпишитесь на нас: Вконтакте / Telegram / Дзен Новости / MAX
Back to top button