Ты думал, RAG — это поиск? Поздравляю, ты всё ещё в каменном веке 🫡 Главная проблема классики — «тупость». Мы надеемся на чудо, пихая куски текста в модель, но на сложных задачах вроде сверки 20 отчётов или синтеза данных по таблицам пайплайн рассыпается. Databricks выкатили KARL (Knowledge Agents via RL) — систему, которая реально учится искать. Почему это важно, малютки. Во-первых, новый бенчмарк KARLBench из 6 суровых режимов (от финансов до техдоков) показывает, что KARL обходит топ-модели. Во-вторых, метод OAPL учит агента поисковой политике: он сам понимает, когда нужен новый запрос, а когда пора выдать финал. Но главная фишка — Agentic Compression. Агент сам сжимает найденную инфу в процессе, чтобы не забивать контекст мусором. Без этого качество поиска улетает в трубу. Цифры для солидности. На 33% дешевле в токенах, чем Claude 4.6 и GPT 5.2, и на 47% быстрее. При этом KARL эффективнее фронтирных моделей даже в задачах, которых не было в обучении. Переходим от настройки чанков к обучению стратегий. 🔗 Подробности на arXiv