Яндекс представил технологию агентного поиска для оптимизации работы ИИ-ассистентов
Кодик кратко объясняет суть статьи
Технический директор Яндекс Поиска Екатерина Серажим заявила на конференции «День Поиска 2026», что создание эффективных ИИ-ассистентов требует глубокой интеграции с поисковыми системами. Основная проблема больших языковых моделей — устаревание знаний после завершения обучения, что делает необходимым доступ к актуальным данным из интернета. Однако прямая выдача множества документов перегружает модель и требует больших вычислительных ресурсов. Для решения этой задачи Яндекс развивает «агентный поиск» — систему, в которой поисковые алгоритмы анализируют и отбирают только релевантные фрагменты информации для ИИ. Это сократило объём передаваемых данных на 25% без потери качества, ускорило ответы и снизило нагрузку на систему. В Яндексе считают, что адаптация поиска под нужды ИИ станет отраслевым стандартом.
Читайте в Telegram
|
Создание качественных ИИ-ассистентов невозможно без интеграции с развитой поисковой системой, заявила технический директор Яндекс Поиска Екатерина Серажим на конференции «День Поиска 2026».
По её словам, синергия поиска и нейросетей позволяет ИИ получать доступ к актуальным данным, выходя за рамки знаний, полученных в процессе обучения.
Ключевой проблемой современных LLM (больших языковых моделей) остаётся их ограниченность датой завершения обучения. Для анализа новостей или ответа на вопросы о текущих событиях модели необходим доступ к Сети. Однако прямая передача десятков найденных документов в нейросеть требует колоссальных вычислительных ресурсов и часто перегружает контекстное окно модели лишней информацией.
Чтобы решить эту проблему, Яндекс развивает направление «агентного поиска». Система оптимизирована для работы не с человеком, а непосредственно с нейросетью: поисковые алгоритмы выступают в роли агента, который предварительно анализирует веб-документы и отбирает только те фрагменты текста, которые действительно полезны для формирования ответа.
Внедрение агентного поиска уже позволило сократить объём передаваемой нейросети информации на 25% без потери качества итогового результата. Это снижает нагрузку на вычислительные мощности и ускоряет генерацию ответа для пользователя. В компании подчёркивают, что дальнейшая адаптация поиска под нужды ИИ станет стандартом для отрасли.
