นักวิจัยเปิดตัว Iris ซีรีส์โมเดล AI สำหรับการสืบค้นข้อมูลในระดับ 35B และ 397B พารามิเตอร์ ซึ่งถูกออกแบบมาเพื่อแก้ปัญหาการตอบคำถามแบบ Multi-hop ที่ต้องเชื่อมโยงข้อมูลจากหลายแหล่ง โดยใช้กระบวนการที่เรียกว่า 'SFT-RL Climbing' ซึ่งเป็นการสลับระหว่างการฝึกฝนแบบมีผู้สอน (SFT) และการเรียนรู้แบบเสริมกำลัง (RL) เพื่อคัดกรองเฉพาะแนวทางการแก้ปัญหาที่ยากที่สุดและมีประสิทธิภาพที่สุดมาใช้ในรอบถัดไป
จุดเด่นของ Iris คือการให้ความสำคัญกับการจัดการบริบทระหว่างการสืบค้น (Inference-time Context Management) ซึ่งส่งผลต่อประสิทธิภาพอย่างมากบนเกณฑ์วัดผลต่างๆ เช่น BrowseComp และ HLE โดยโมเดลทั้งสองรุ่นสามารถทำคะแนนได้สูงกว่า Search Agent โอเพนซอร์สรุ่นอื่นๆ ในระดับพารามิเตอร์เดียวกัน
