/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
15,2 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-7B-Instruct
Библиотека
transformers
Опубликована
17 окт 2025

pokee_research_7b

Генерация текстаТекст → текст9 профессий

PokeeResearch-7B — дообученная языковая модель-агент для многошагового поиска, проверки источников и синтеза ответов.

94скачиваний за 30 дней100лайковвеса обновлены23 окт 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

PokeeResearch-7B — языковая модель-агент для глубокого исследования, разработанная Pokee AI и дообученная на базе Qwen2.5-7B-Instruct с применением обучения с подкреплением по обратной связи от ИИ. Это плотный декодерный трансформер Qwen2 с 7,1 млрд параметров и контекстом до 32 768 токенов; веса опубликованы в формате safetensors. Модель предназначена для многошаговых исследовательских сценариев: разбиения сложных запросов на подзадачи, работы с внешними источниками, проверки сведений и синтеза ответов. Её можно использовать как исследовательского помощника или компонент многоагентной системы; возможности поиска зависят от подключённых инструментов и внешних данных.

В README заявлена поддержка английского, китайского и других языков, однако карточка модели указывает английский. Обучение проводилось на открытых вопросно-ответных примерах датасета MiroRL-GenQA, а оценивание описано на десяти исследовательских и QA-бенчмарках. Разработчик сообщает о сильных результатах среди открытых агентов масштаба 7B, но приведённая таблица неполна, поэтому это заявление нельзя полностью проверить по карточке.

Модель может ошибаться при противоречивых или недостаточных источниках, зависит от качества поиска и подвержена смещениям обратной связи. Ответы и ссылки следует перепроверять; README предостерегает от использования модели для решений с высокими ставками без внешней проверки. Лицензия — Apache 2.0.

Сценарии применения

  • разбиение сложного исследовательского вопроса на подзадачи
  • поиск и сведение сведений из нескольких внешних источников
  • ответы на многошаговые вопросы по открытым источникам
  • проверка фактов и синтез подтверждённых сведений
  • суммаризация результатов для исследовательского помощника

Ограничения

Качество ответов зависит от точности внешнего поиска и данных; при неоднозначных или конфликтующих источниках возможны галлюцинации. Результаты и цитаты требуют проверки, модель не рекомендуется как единственное основание для решений с высокими ставками.

Для каких профессий подходит9

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for PokeeResearch

Model Details

Model Description

PokeeResearch-7B is a 7-billion-parameter deep research agent developed by Pokee AI to advance reliable, aligned, and scalable research-grade reasoning in tool-augmented LLMs.
The model integrates Reinforcement Learning from AI Feedback (RLAIF) with a robust reasoning scaffold, enabling it to conduct complex, multi-step research workflows that include self-correction, verification, and synthesis across multiple independent research threads.

  • Developed by: Pokee AI
  • Model type: Tool-augmented large language model (LLM) research agent
  • Language(s): English, Chinese and many more
  • License: Apache 2.0
  • Finetuned from model: Qwen2.5-7B-Instruct

Model Sources


Uses

Direct Use

PokeeResearch-7B is designed for deep research automation, where the model autonomously:

  • Decomposes complex user queries
  • Retrieves and reads from external sources
  • Synthesizes factual, verifiable, and grounded answers

It can be used as a standalone research assistant or integrated into multi-agent systems to support academic, enterprise, or product-level research tasks.

Downstream Use

PokeeResearch-7B can be fine-tuned or extended for:

  • Domain-specific scientific discovery
  • Autonomous document retrieval and synthesis
  • Multi-source verification and summarization pipelines
  • Integration into reinforcement learning research agents (RLHF/RLAIF frameworks)

Out-of-Scope Use

The model should not be used for:

  • Generating unverified or speculative claims
  • Automated decision-making in high-stakes domains (medical, legal, or financial)
  • Applications requiring strict factual precision without external verification
  • Generating content without citation or evidence tracing

Bias, Risks, and Limitations

PokeeResearch-7B is optimized for factual grounding and robustness, but limitations include:

  • Dependence on external data quality and retrieval accuracy
  • Potential semantic bias introduced by AI-based feedback signals
  • Limited coverage for non-English or multi-modal reasoning tasks
  • Risk of hallucinated synthesis when sources conflict or lack clarity

Recommendations

Users should:

  • Cross-verify answers, especially in multi-hop reasoning cases
  • Monitor output for citation accuracy and alignment with source data
  • Refrain from using outputs as sole evidence in decision-critical contexts

How to Get Started with the Model

please refer to the following codebase for how to use PokeeResearch-7B https://github.com/Pokee-AI/PokeeResearchOSS/blob/main/README.md


Training Details

Training Data

  • Dataset: MiroRL-GenQA dataset (MiroMind AI, 2025)
  • Data characteristics: Complex, multi-turn question–answer pairs requiring multi-step reasoning
  • Data filtering: No benchmark data used for testing; the model was trained only on open-domain text Q&A samples

Training Procedure

Preprocessing

  • Normalization and tokenization aligned with Qwen2.5 tokenizer
  • Structured prompt–response pairs in research/verification format (<tool_call>, <answer>, <verification>)

Training Hyperparameters

  • Algorithm: RLOO (REINFORCE Leave-One-Out)
  • Batch size: 64
  • Research threads per prompt: 8
  • Learning rate: 3e-6
  • Context limit: 32,768 tokens
  • Steps: 140 fine-tuning iterations
  • Regularization: None (no entropy or KL regularization)
  • Precision regime: bf16 mixed precision

Reward Design

  • Combined reward signal from:
    • AI feedback (semantic equivalence via external LLM judge)
    • Format adherence reward (ensures correct agent behavior)

Speeds, Sizes, Times

  • Model size: 7 billion parameters
  • Training duration: ~5 days on 8 × A100 80G GPUs
  • Checkpoint size: ~13 GB

Evaluation

Testing Data, Factors & Metrics

Testing Data

10 open-domain research and QA benchmarks:

  • NQ, TriviaQA, PopQA, HotpotQA, 2WikiMultiHopQA, Musique, Bamboogle, GAIA, BrowseComp, Humanity’s Last Exam

Factors

  • Benchmarks differ by reasoning depth, retrieval dependence, and factual precision requirements.
  • Evaluations disaggregate by dataset difficulty and task type (single-hop vs multi-hop).

Metrics

  • Mean accuracy (mean@4 across independent research threads) based on

Results

PokeeResearch-7B (RTS variant) and PokeeResearch-7B outperforms all baselines at 7B scale across 10 benchmarks.
Highlights (mean@4 accuracy):

MethodHLEGAIABrowseCompBAMB2WIKITQNQPOPQAMUSIQUEHOTPOTQA
R1searcher5.48.31.063.261.477.259.651.835.862.4
SearchR113.018.70.467.862.881.067.659.633.263.2
ZeroSearch8.69.91.451.433.661.648.238.019.032.4
ASearcher13.822.13.268.869.285.271.258.235.871.0
DeepResearcher6.024.031.871.058.882.260.255.226.856.6
PR15.236.95.474.574.091.375.159.839.871.2
PR+17.641.38.475.075.091.875.060.041.471.6

Summary

PokeeResearch-7B variants achieves state-of-the-art performance among 7B-scale open deep research agents, validating RLAIF and reasoning scaffold design for robust, verifiable research workflows.


Technical Specifications

Model Architecture and Objective

  • Base Architecture: Transformer decoder (Qwen2.5-7B-Instruct backbone)
  • Objective: Reinforcement learning with AI feedback to maximize semantic correctness and alignment with human-style reasoning

Compute Infrastructure

Hardware

  • NVIDIA A100 80GB GPUs ×8 for training and x1 for inference

Citation

BibTeX:

@article{pokee2025deepresearch,
  title={PokeeResearch: Effective Deep Research via
          Reinforcement Learning from AI Feedback and Robust Reasoning Scaffold},
  author={Yi Wan* and Jiuqi Wang* and Liam Li
          and Jinsong Liu and Ruihao Zhu and Zheqing Zhu},
  journal={Pokee AI Technical Report},
  year={2025},
  url={https://arxiv.org/pdf/2510.15862}
}

APA: Wan, Y., Wang, J., Li, L., Liu, J., Zhu, R., & Zhu, Z. (2025). PokeeResearch: Effective Deep Research via Reinforcement Learning from AI Feedback and Robust Reasoning Scaffold. Pokee AI.


Glossary

  • RLAIF: Reinforcement Learning from AI Feedback – optimization using LLM-based reward signals.
  • RLOO: REINFORCE Leave-One-Out – unbiased policy gradient variant for on-policy learning.
  • RTS: Research Threads Synthesis – synthesis of multiple independent reasoning threads at inference time.

More Information

For technical details, visit: https://github.com/Pokee-AI/PokeeResearchOSS
For inquiries, contact: hello@pokee.ai


Model Card Authors

Yi Wan, Jiuqi Wang, Liam Li, Jinsong Liu, Ruihao Zhu, and Zheqing Zhu — Pokee AI Research Team

Model Card Contact

Pokee AI Team — hello@pokee.ai

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
1d2cc9c

0 моделей