Адаптированная нейросеть работает в 2,7 раза быстрее и требует на 73% меньше оперативной памяти, чем исходная мультиязычная модель. Это позволяет запускать ее даже на менее мощном оборудовании.
Модель обучалась на уникальном корпусе данных iFORA-QA, собранном более чем 150 экспертами из аналитических материалов и отчётов по науке и инновациям.
После дообучения система стала значительно лучше отвечать на узкопрофессиональные вопросы, избегая «галлюцинаций» и ошибок, свойственных универсальным ИИ.
В 2026 году команда разработчиков планирует внедрить умный поисковик – инструмент, который будет формировать выводы только на основе проверенных научных источников, снижая риск недостоверных ответов. Также готовится к внедрению граф связей – система для выявления скрытых закономерностей между научными публикациями, патентами и отчетами. Кроме того, готовится к запуску рассуждающий ИИ – то есть модель научится анализировать неполноту данных, задавать уточняющие вопросы и только после этого выдавать развернутый ответ.
В перспективе все эти возможности объединятся в мультиагентную систему, способную автономно анализировать большие массивы научно-технической информации и выявлять неочевидные связи.
«Мы создаем не просто поисковую машину, а интеллектуального партнера для исследователя. Наша система будет понимать специфику российской науки и помогать автоматизировать аналитику», – отмечает Анастасия Малашина, главный аналитик проекта.
Разработка ведется в рамках программы Центра искусственного интеллекта НИУ ВШЭ при поддержке Минэкономразвития России. Модель уже прошла государственную регистрацию.
