EVENT DOSSIER
Iris 团队于 2026 年 9 月 7 日发布 Iris-mini 与 Iris-pro 模型及 SFT-RL c…
2026 年 9 月 7 日，Iris 团队发布了 Iris-mini 和 Iris-pro 两个搜索代理模型。Iris-mini 基于 35B-A3B 规模训练，Iris-pro 基于 397B-A17B 规模训练。该研究提出名为'SFT-RL climbing'的训练流程：首先通过网页超链接结构反向构建任务并筛选数据，经监督微调（SFT）后，在训练集群内利用奖励判断器和观察摘要器进行强化学习（RL）优化，并在请求层中断超长推理以保留已承诺前缀。评估涵盖 BrowseComp、BrowseComp-ZH、DeepSearchQA 和 HLE 基准，所有结果均源自单一 ReAct 代理且启用推理时上下文管理功能。在此配置下，Iris-pro 在四个基准上分别达到 88.6/85.1/92.9/56.4 的分数…
政府 · 科研机构跨 1 天
Iris 团队于 2026 年 9 月 7 日发布 Iris-mini 与 Iris-pro 模型及 SFT-RL c…
Iris 团队发布 Iris-mini 和 Iris-pro，分别基于 35B-A3B 和 397B-A17B 规模训练，提出 SFT-RL climbing 流程。
2 条报道Hugging Face 发布 Iris-mini 和 Iris-pro 两个搜索代理模型，分别基于 35B-A3B 和 397B-A17B 规模训练。该研究提出"SFT-RL climbing"流程：任务由网页超链接结构反向构建，问题经筛选后通过强化学习优化，并将最难解且高效的轨迹返回至监督微调阶段。在启用推理时上下文管理后，Iris-pro 在 BrowseComp、BrowseComp-ZH、DeepSearchQA 和 HLE 基准上分别达到 88.6/85.1/92.9/56.4 的分数，成为各自参数量级中开源搜索代理的最强表现。作者计划随模型权重一同发布完整的数据构建、训练及评估食谱。
Iris 团队发布了 Iris-mini 和 Iris-pro 两个搜索代理，分别基于 35B-A3B 和 397B-A17B 规模训练。该研究提出 SFT-RL climbing 流程：任务由网页超链接结构反向构建，数据经轨迹与回合级过滤后通过监督微调（SFT），随后在训练集群内利用奖励判断器和观察摘要器进行强化学习（RL）优化，并在请求层中断超长推理以保留已承诺前缀。评估涵盖 BrowseComp、BrowseComp-ZH、DeepSearchQA 和 HLE 基准，所有结果均源自单一 ReAct 代理且启用推理时上下文管理。在启用该功能下，Iris-pro 在四个基准上分别达到 88.6/85.1/92.9/56.4 的分数，成为各自参数量级中开源搜索代理的最强整体表现。团队计划发布模型权重及完整的数…