LightOn публикува SlideOn и mSlideOn на 19 октомври 2026 г. Двата модела са за извличане на документи чрез разредени вектори: английски вариант със 174 милиона параметъра и многоезичен с 339 милиона. Авторите използват предварително обучение с разреден автоенкодер и последващо обучение за търсене, за да пренесат знания от предишни модели към представяне, подходящо за инвертиран индекс. Това е ценна непокрита разработка от началото на седмицата, не ново събитие от днес.

Кои части от документа участват в търсенето

Картата на mSlideOn описва 32 768-измерни вектори с неотрицателни стойности, повечето от които са нулеви. Активните измерения са научени признаци и не съвпадат задължително с думи от речника. Посочени са контекст до 8192 токена, отделни бюджети за разреденост на заявката и документа и лиценз Apache 2.0. Многоезичното описание само по себе си не установява проверено качество за български във всеки тип колекция.

Нашето техническо обяснение е, че изборът на представяне засяга и начина на достъп до документите. В условен каталог от инструкции една заявка може да активира малко признаци, свързани с търсената тема. Системата може да използва списъците за тези признаци, за да намери кандидати. Важното за потребителя остава дали полезната инструкция действително се появява сред тях.

По-малко активни стойности, измерим компромис

Публичното хранилище предоставя обучение, оценка и управление на броя активни измерения. Документацията уточнява, че стандартната оценка използва точно скаларно произведение и вектори без крайно подрязване. Следователно публикувано качество при една настройка не е автоматично резултат за по-силно ограничен производствен индекс. Показател за очаквано припокриване на признаци също не трябва да се заменя с измерена латентност на цяла услуга.

За собствен пилот бихме започнали с предварително подбрани въпроси и проверени полезни документи. Бихме запазили една и съща колекция и бихме променяли отделно бюджета за заявките и този за документите. Така може да се види кога спестеният ресурс започва да премахва важни резултати. Това е предложен протокол, а не проведен от SIExpo тест.

Българските въпроси заслужават собствен преглед с обичайните за организацията имена, съкращения и смесена терминология. Средният резултат от други езици не решава предварително тази задача. Бихме съхранявали примери с пропуснати документи, за да разберем дали проблемът е системен или свързан с малка, но важна група заявки.

Намереният текст и отговорът на асистента

Ако моделът е част от система за отговори, след извличането остават още проверки. В наш пример помощник намира инструкция за стара версия на продукт. Високата тематична близост не доказва, че тя е актуалната инструкция за конкретния потребител. Нужни са ясни правила за версия, достъп и показване на използвания документ.

Според нас практическата стойност на новите модели е във възможността да се търси различен баланс между качество и ресурс. Това се отличава от сутрешната новина за Nemotron Retriever: тук предметът е конкретен разреден подход и управление на активните признаци, а не друга обща класация на асистенти.

Не сме възпроизвеждали оценките на LightOn и не обещаваме универсално ускорение или точност на български. Новината предоставя код, тегла и достатъчно описана посока за проверка върху собствена задача.

Корица: концептуална AI илюстрация на разредено търсене; не е реален индекс, измерване или продуктов интерфейс.

Проверено по посочените източници: 2026-10-22T16:06:53.737225+00:00.