Le filThèmes : AgentsRechercheÉvaluations
SearchJev, un modèle rapide et calibré, prend les décisions courtes des agents de recherche
1 sourcemis à jour il y a 1 jpertinence 3,3 sur5
L’essentiel
SearchJev décide 5,2 à 5,3 fois plus vite que des modèles autorégressifs Qwen3.5 de même taille. Sur BrowseComp-Plus, la précision des réponses passe de 45 % à 54 % au plus.
Propagation1 article, publié par HF Daily Papers le 6 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceCongfeng Cao, Lipeng Zuo, Konstantinos Papakostas et al.huggingface.co
SearchJev: A Fast and Calibrated System-1 Model for Search Agents (site externe)
Search agents repeatedly make short decisions about relevance, evidence sufficiency, and search actions. Using generative language models for these decisions introduces latency and unreliable confidence.
Sur les mêmes thèmes
Agents
SkillSeek montre que BM25 rivalise avec la recherche agentique de skills pour les agents
Agents
VeriHarness transforme le LLM d’un générateur en agent vérificateur pour les tâches longues
Agents
MILO fait évoluer des harnais d’agents et leur stratégie de recherche, et dépasse huit harnais de référence
Évaluations
Des chercheurs suggèrent que les modèles de langage tendent à présenter par défaut des récits de succès
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5