⌘ K
… 读取采集状态 同步中...
雷

#RAG

今日 0 条
10月8日周四
  1. AWS Machine Learning Blog40

    Amazon Quick 和 Amazon Bedrock 如何通过实时 ACL 增强 RAG 访问控制

    Amazon Quick 和 Amazon Bedrock Knowledge Bases 通过实时访问控制列表（ACL）执行来解决企业 RAG 中的权限验证难题。该方案在预检索过滤基础上增加实时验证阶段，通过调用源系统 API 动态确认可访问性，避免使用过期数据。此方法确保即使权限变更，AI 生成答案也能即时遵守最新访问限制。

  2. AWS Machine Learning Blog40

    Qlik 如何利用 Amazon Bedrock 构建企业级生成式 AI

    Qlik 基于 Amazon Bedrock 推出 Qlik Answers，通过分层架构解决企业数据查询无来源、难部署痛点。自 2026 年 2 月通用可用以来，其 Discovery Agent 已识别超 10 万个异常发现。架构采用 Amazon OpenSearch 进行检索，通过 Bedrock Guardrails 确保答案合规与可验证性。

10月6日周二
10月2日周五
  2. AWS Machine Learning Blog40

    Amazon SageMaker AI 如何使用多轮强化学习微调搜索智能体

    Amazon SageMaker AI 利用多轮强化学习（MTRL）微调了 Qwen3.6-27B 模型，使其具备可靠的多轮搜索智能体能力。该方案通过策略梯度算法优化完整轨迹，在保持小模型速度优势的同时，提升了检索质量与可靠性。用户可结合 BM25 和向量搜索工具，在服务端无服务器环境中按 token 计费运行生产级强化学习训练。

9月30日周三
  2. AWS Machine Learning Blog50

    Amazon Quick 组件提示工程：模式与陷阱

    Amazon Quick 各组件提示工程需明确具体目标以获取精准结果。Quick Research 应定义受众、时间范围并分解子问题，以生成可操作报告；Quick Flows 需明确触发条件、数据源及交付格式，支持通过对话迭代调整工作流；Quick Sight 需结构化表达业务问题、指标及维度，以优化数据分析体验。

  3. AWS Machine Learning Blog42

    利用 Amazon Quick 和 Amazon Bedrock AgentCore 构建 AI 驱动的契约智能平台

    在 AWS 上构建的契约智能平台利用 AI 智能体提取合同数据，并通过多模型架构验证准确性，以解决 RAG 无法跨数百份合同进行聚合查询的问题。该平台使用 Claude Sonnet 系列模型提取关键字段，使用 Claude Haiku 模型进行验证，并将结果存储在 Amazon Aurora PostgreSQL 中，从而提供嵌入式分析和自然语言查询功能。

9月29日周二
9月25日周五
9月21日周一
9月18日周五
9月3日周四
  1. Hugging Face Blog60

    Hugging Face 开源 funes：为编码智能体提供自有记忆层

    Hugging Face 开源了 funes，为 Claude Code、Codex 等编码智能体提供本地持久记忆层。它索引本机已有会话，支持跨智能体、跨机器调用，并可发布为私有的 Hugging Face dataset。测试显示，相比摘要或手写交接，使用 recall 在两项任务上分别便宜 8 倍和 4 倍。

    推荐理由：工具以本地命令接入编码智能体，把跨会话历史变成可检索记忆，读者可评估对多环境开发的迁移价值。

8月26日周三
  1. Hugging Face Blog75

    Sentence Transformers v6.0 新增 MultiVectorEncoder 支持多向量嵌入模型训练与微调

    Sentence Transformers v6.0 引入 MultiVectorEncoder 类型，支持 ColBERT 风格的延迟交互检索模型训练。作者在单块 RTX 3090 上耗时 14.5 小时微调医疗领域多向量模型，NDCG@10 达到 0.9139，显著优于 Qwen3-Embedding-4B 等通用稠密模型。

    推荐理由：作者通过单卡训练实测证明微调多向量模型能显著超越通用检索器，并提供了完整的训练配方与索引优化方案。

8月21日周五
8月20日周四
  1. Mistral AI80

    Mistral 发布 Agentic Search，提升复杂文档检索准确率与效率

    Mistral 发布 Agentic Search，作为支持多步检索循环的检索层，可访问云及本地部署。相比传统 RAG，其在 FinanceBench 上将金融文件回答准确率从 26.7% 提升至 86%，在 OfficeQA Pro 上提升 45.6 个百分点。

    推荐理由：提供针对复杂文档的 Agentic Search 检索层，通过多步导航循环显著降低延迟与 token 消耗，提升企业数据检索准确率。

7月22日周三
6月23日周二
  1. Mistral AI77

    Mistral 发布 OCR 4：支持170种语言且可自托管的文档解析模型

    Mistral 发布 OCR 4，新增边界框、区块分类和置信度输出，支持170种语言。该模型可单容器自托管，API 价格为 $4 每 1000 页，Batch API 享五折，适用于企业搜索、RAG 和 Agentic 工作流。

    推荐理由：介绍Mistral OCR 4新增结构识别功能及170种语言支持，提供可自托管的部署方案以适应企业级数据隐私需求。

6月5日周五
  1. Google Research66

    Google 发布 Gemini Enterprise Agent Platform 的 Agentic RAG 功能

    Google 在 Gemini Enterprise Agent Platform 推出 Agentic RAG 功能，通过多智能体协作处理复杂多源查询。该系统在跨语料库测试中准确率达到 90.1%，并新增了“充分上下文”智能体机制，能在信息缺失时自动发起二次搜索以补齐证据，目前处于公开预览阶段。

    推荐理由：该功能通过多智能体协作实现跨语料库检索，在混合干扰数据集上准确率达90.1%，目前已在Gemini企业平台提供公开预览。

5月28日周四
  1. Mistral AI67

    Mistral AI 开源 Search Toolkit 框架

    Mistral AI 发布开源 Search Toolkit，将数据摄取、检索和评估整合到一个共享接口的框架中，覆盖云服务、本地和边缘部署。该框架适用于企业搜索、RAG 质量和领域特定检索，通过内置评估指标如 recall、precision、MRR、NDCG 帮助隔离检索与生成质量，并支持通过 MCP 连接 CRM 等实时数据源。

    推荐理由：Mistral 将搜索、摄取与评估整合为单一开源框架，为构建生产级 RAG 管道提供了一套可复用且解耦的基础设施方案。

5月5日周二
4月14日周二
3月17日周二
9月1日周一
  1. Berkeley AI Research38

    word2vec 学习机制解析：基于最小二乘矩阵分解的定量理论

    Berkeley AI Research 新论文确立了 word2vec 学习的定量预测理论，证明其在现实场景下等效于无权重最小二乘矩阵分解。研究通过闭式解显示，word2vec 从低秩初始化开始，分步离散地学习正交线性子空间，最终习得的嵌入表示即为主成分分析（PCA）结果。该理论揭示了嵌入空间随训练过程逐步扩张至模型容量饱和的动态机制。