Sentient Labs 开源 AI 搜索框架 ODS：高透明、强定制、低幻觉的解决方案

近日，由 Peter Thiel 旗下的 Founders Fund 领投、种子轮融资高达 8500 万美元的 Sentient Labs 推出了一款全新的开源 AI 搜索框架——Open Deep Search（ODS）。这一框架旨在为 AI 提供搜索、推理和验证能力，从而有效缓解 AI 幻觉问题。

什么是 AI 幻觉？

AI 幻觉（AI Hallucination）指的是 AI 模型生成看似合理但实际上错误的信息。例如：

• 编造不存在的论文或引用
• 混淆事实、因果关系或时间线
• 拼凑出看似可信但实际上错误的结论

这种现象的根本原因在于当前的 AI 模型主要依赖于训练数据中的模式识别，而非真正理解和验证信息的真实性。

ODS：AI 的事实核验助手

ODS 是一个多工具协同的开源搜索代理系统，旨在为 AI 模型提供搜索、推理和验证的能力。其核心组件包括：

Open Search Tool（OST）

OST 能够理解用户意图，智能生成搜索词，深入互联网抓取有效信息，并进行语义重排、过滤和聚合，从而提高搜索结果的质量和相关性。

Open Reasoning Agent（ORA）

ORA 模拟人类的多步推理过程，能够在信息不足时主动进行二次查询，调用多种外部工具或插件，甚至生成并执行 Python 代码，以解决复杂的逻辑或计算需求。

ODS 的优势

可解释性: ODS 的每一步操作都是可见的，用户可以回溯 AI 的推理链路和信息来源，从而提高系统的透明度和可信度。

可定制性: ODS 支持接入任意大语言模型和外部工具或插件，用户可以根据需求自由定制推理规则，满足不同的应用场景。

减少错误信息: 通过交叉对比多个信源，主动进行二次查询，避免仅凭关键词匹配得出错误结论，ODS 能够有效减少错误信息、虚假信息和误导信息的传播。

实际应用示例

医疗领域： AI 模型可能会生成错误的诊断建议，导致严重后果。通过集成 ODS，医疗 AI 系统可以在生成诊断建议前，自动搜索最新的医学研究和权威指南，验证信息的准确性，从而提高诊断的可靠性。

金融领域： AI 模型可能会基于过时或错误的数据做出投资建议。ODS 可以帮助金融 AI 系统实时获取最新的市场数据和分析报告，进行多方验证，确保投资建议的准确性和时效性。

总结

ODS 的推出标志着开源 AI 搜索技术的一次重大突破。它不仅提高了 AI 系统的透明度和可控性，还为开发者提供了强大的工具，以构建更可靠、更可信的 AI 应用。随着 ODS 的不断发展，我们有理由相信，开源 AI 将在未来的技术生态中发挥更加重要的作用。