Percep3 Logo

Percep3

Percep3 Logo

Percep3

Expert Research

11 feb 2025

Expert Research

Presentamos a tu experto en búsqueda

Expert Research es un modelo basado en DeepSeek-R1-Distill-Llama-8B diseñado para funcionar como un experto en la búsqueda y análisis de información en diversos temas. Su eficacia se debe a la integración de un sistema RAG (Retrieval-Augmented Generation), que le permite recuperar información relevante para realizar un análisis final preciso. Este modelo está diseñado para operar de manera eficiente en entornos con recursos limitados por ello el modelo usado está optimizado con inferencia en 4-bits.

Cómo funciona?

El agente de Expert Research opera en varios pasos y emplea técnicas avanzadas de prompt engineering (sacadas de la guía de prompts hecha por DeepSeek) para guiar al modelo en la búsqueda de información relevante dentro del contexto solicitado.

1. Generación de consultas

El primer paso del agente consiste en generar múltiples consultas de búsqueda en la web, enfocándose actualmente en ArXiv. Estas consultas deben cubrir todos los aspectos posibles del tema inicial sin ser redundantes o similares entre sí. Para lograrlo, el modelo utiliza su capacidad de razonamiento para formular consultas relevantes. En caso de que la consulta inicial esté bien definida, el modelo genera un máximo de 8 consultas.

2. Recuperación y análisis de información

Una vez generadas las consultas, el agente ejecuta las búsquedas utilizando el sistema RAG. Cuando obtiene resultados de papers en ArXiv, los analiza y extrae al menos cinco aprendizajes clave por cada artículo relevante. Si el paper no aporta información útil, el modelo omite este paso. Esta instrucción sobre omitir en caso la información no sea relevante está dada con el system prompt. Dado que es un modelo razonador, el modelo puede darse cuenta si es relevante o no. Además para cada paper encontrado se le asigna un identificador para posteriormente hacer las citaciones.

3. Síntesis y redacción del artículo

En el paso final, el agente reúne todos los aprendizajes obtenidos de las búsquedas y los utiliza para redactar un artículo científico con un estilo similar al de un paper académico. Se le instruye mediante un system prompt para incluir todos los detalles posibles y citar exclusivamente las fuentes extraídas en el proceso de análisis, evitando cualquier referencia no verificada dentro del conjunto de aprendizajes. Se implementa un sistema de referencia que reemplaza etiquetas de citación generadas en el paso anterior ([citation:X]) por enlaces directos a los documentos originales, asegurando trazabilidad y transparencia en la información presentada.

Limitaciones y futuras mejoras

Si bien Expert Research ofrece un alto nivel de precisión y automatización, aún existen puntos de mejora.

  • Fuentes de información: Actualmente, el modelo solo consulta en ArXiv, esto limita la información obtenida y resulta no ser suficiente para ciertos temas. Se planea integrar más fuentes en el futuro.

  • Rapidez del modelo: El modelo tarda al rededor de 16 min en generar el informe final, este tiempo es producto del razonamiento del modelo en cada paso. Planeamos mejorar el uso del razonamiento para optimizar los tiempos de respuesta.

  • Ampliación de análisis: Planeamos incorporar capacidades para analizar y comparar múltiples fuentes y evaluar la consistencia de la información. Además, se implementará un sistema de búsqueda iterativa que rastree referencias y citas dentro de los artículos analizados, permitiendo una comprensión más profunda y contextualizada del tema estudiado.

Compartir:
Expert Research | Percep3