Project Greenhouse 论文:不用开源底座,几块 GPU 从零训 agentic 搜索模型
lintool · x · 2026-10-20
Jimmy Lin 团队发布 arXiv 论文 Project Greenhouse(2610.11922),核心论点:仅用适度的算力资源,就能构建完全开放、可主权的 agentic 搜索模型。
- 方法:两步配方——从零预训练 + 有监督微调,只用常见公开数据集;刻意不依赖任何第三方开源权重底座,实现对训练全流程的端到端掌控。
- 成果:构建了一个有竞争力的 pointwise decoder-only 重排器,大部分实验只用「几块 GPU」完成。
- 开源:放出数据、代码、配置以及 Gaggle 系列模型 checkpoints,支持透明、独立的完整复现。
作者将此视为验证「小算力也能做主权 agentic 搜索」论点的第一步。
「研究」频道最新
- SKY-001 号称首个工程世界模型:CAD/BIM 任务比 GPT-6 快 51-125 倍 — vasuman · 2026-10-20
- 完全在打包空间运算:1 万窗口 shuffle 从 7.86s/8.7GB 降至 0.85s/0.7GB — jmschreiber91 · 2026-10-20
- 为加速 DeepLIFT/SHAP,作者重写双核苷酸 shuffle 避免内存爆炸 — jmschreiber91 · 2026-10-20
- UCSB REAL AI 实验室招博士后：建 AI 自主实验室，可看海 — ninamiolane · 2026-10-20
- UCSB 团队获 NSF 百万美元资助，研究 AI 的数学基础 — ninamiolane · 2026-10-20
- uint8 打包 4 个碱基位点的内存压缩技巧：DNA 序列编码再省 4 倍 — jmschreiber91 · 2026-10-20