Databricks je lansirao KARL („Knowledge Agents via Reinforcement Learning”), agenta osposobljenog za rad u sustavima pretraživanja temeljima na generativnom pretraživanju (RAG), s ciljem uklanjanja česte boljke korporativnih rješenja – usmjerenosti na samo jedan obrazac pretraživanja.
Tvrtka navodi da je KARL treniran istodobno na šest različitih ponašanja pretraživanja unutar poduzeća, koristeći novi algoritam potkrepljujućeg učenja. Rezultat je, prema internom testiranju, sustav koji na posebnom mjerilu KARLBench doseže iste performanse kao Claude Opus 4.6, ali uz 33 % niži trošak po upitu i 47 % manju latenciju.
Posebno je naglašeno da je model razvijen isključivo na sintetičkim podacima koje je sam agent generirao, bez potrebe za ljudskim označavanjem ili ručnim unosom primjera. Time Databricks želi smanjiti vrijeme i troškove uvođenja te ukloniti jedno od najskupljih uskih grla u treniranju velikih jezičnih modela.
Tvrtka tvrdi da KARL nudi dosljedne rezultate i u zadacima poput višekorakaškog zaključivanja nad internim bilješkama ili izvješćima koja se protežu preko više dokumenata, gdje se tradicionalni jednokratno trenirani RAG-ovi često „slome” bez očitih upozorenja.
Ako se najave potvrde i izvan laboratorija, KARL bi mogao postati važan alat za organizacije koje traže brže, otpornije i jeftinije modele pretraživanja i analize interne dokumentacije.