用 Amazon Bedrock AgentCore 生成演示文稿
基于 Amazon Bedrock AgentCore 构建的 AI 智能体系统可将季度报告、合规文档和市场分析自动生成客户 PowerPoint 演示文稿，内部测试中耗时不到 90 秒。
#RAG
#RAG
今日 0 条AWS Machine Learning BlogAI 评分2828 AWS Machine Learning BlogAI 评分2828 Orca Security 基于 Amazon Bedrock 打造自然语言安全查询 Discovery AI
Orca Security 与 AWS 合作在 Amazon Bedrock 上构建了自然语言查询智能体 Discovery AI，可将自然语言问题转换为 Sonar 查询。
AWS Machine Learning BlogAI 评分3838 Amazon Quick 与 Amazon Bedrock 如何用实时 ACL 重构 RAG 访问控制
Amazon Quick 与 Amazon Bedrock Knowledge Bases 在原有预检索 ACL 过滤之上新增实时 ACL 校验，在查询时直接向权威数据源核实权限，避免依赖可能过期或映射错误的 ACL 数据。该方案分两阶段：先用向量索引中已存 ACL 做语义检索筛选候选文档，再通过 Google Drive API 以用户级访问令牌实时验证，未授权文档不会进入 LLM 上下文。
AWS Machine Learning BlogAI 评分2222 Qlik 如何用 Amazon Bedrock 构建企业级可信 AI
Qlik 基于 Amazon Bedrock 打造 Qlik Answers，为全球超 4 万名客户提供可溯源的企业级问答，自 2026 年 2 月正式可用以来，其 Discovery Agent 已为客户发现超 10 万条异常与离群点。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 EmbeddingGemma 2 开源轻量多模态嵌入模型
Google DeepMind 发布 EmbeddingGemma 2，一个基于 Gemma 4 架构、Apache 2.0 许可的开源多模态嵌入模型，参数量 740M，可把文本、图像、音频和视频映射到统一嵌入空间。
推荐理由：官方给出 740M 参数、模块化编码器与量化后内存占用等细节，可据此判断端侧多模态检索的落地边界。
AWS Machine Learning BlogAI 评分5252 在 AgentCore 与 OpenClaw 上构建上下文感知 AI 助手
AWS 官方博客介绍如何在 Amazon Bedrock AgentCore runtime 上运行开源智能体系统 OpenClaw，构建带长期记忆的上下文感知助手。
AWS Machine Learning BlogAI 评分3434 用 LangChain 和 Amazon Bedrock Knowledge Bases 实现智能体检索
Amazon Bedrock Managed Knowledge Base 上线智能体检索，通过 AgenticRetrieveStream API 把多部分问题拆成子查询、判断证据是否充分并决定是否再次检索，而 Retrieve API 只做一次混合搜索。
AWS Machine Learning BlogAI 评分3434 用 Amazon Quick 和 Adjudicated Query 模式批量核查数千份租约合规性
AWS 提出 Adjudicated Query 设计模式，让业务用户在 Amazon Quick 聊天界面提问合规问题，实际判定交由确定性规则引擎完成，模型只负责把自然语言翻译成固定类型操作并复述结果。
Hugging Face Blog精选AI 评分6262 Ai2 开源 AstaBrief 8B 科研报告生成模型
Ai2 开源 AstaBrief 8B，一个把研究问题和检索到的文献片段转成带引用报告的模型，已在 Asta 的 Generate a report 功能中以 Fast 模式上线，同时开放模型权重和训练数据。
推荐理由：原文给出了训练数据构造、引用过滤与速度对比的完整细节，读者可据此判断小模型做科研报告生成的可行路径。
AWS Machine Learning BlogAI 评分3030 用 Amazon Bedrock Knowledge Bases 以自然语言查询理赔数据
Amazon Bedrock Knowledge Bases 可通过 AgenticRetrieveStream API 用自然语言查询理赔文档，支持多轮追问、按 claim ID 和 claim type 等元数据过滤检索，并返回带引用的答案。
AWS Machine Learning BlogAI 评分2828 用 Amazon Quick 和 Amazon Bedrock AgentCore 构建 AI 合同智能平台
基于 Amazon Quick 与 Amazon Bedrock AgentCore 的合同智能平台在 AWS 上落地，用 AI 智能体从合同 PDF 中抽取八个关键字段并附置信度，再由 Claude Haiku 智能体独立复核，签名识别分歧时由 Amazon Textract 做确定性裁决。
AWS Machine Learning BlogAI 评分2626 Condé Nast 如何用 Amazon Bedrock 构建多模态视频检索
Condé Nast 联合 AWS 生成式 AI 创新中心，基于 Amazon Bedrock 和 Amazon OpenSearch Service 构建多模态视频检索方案，并选用 TwelveLabs Marengo 嵌入模型联合编码画面、音频与转录文本。该方案将单次内容检索耗时从 250 分钟降至 2 分钟以内，覆盖超 14 万条视频库，支持自然语言意图搜索、以图搜图和精确时间戳定位。
GitHub Blog · AI & MLAI 评分2222 GitHub Podcast 拆解 AI 热门观点：该不该读 AI 生成的代码、RAG 是否已死、Skills 是否杀死了 MCP
GitHub Podcast 最新一期拆解了五个 AI 热门观点：AI 生成的代码仍需阅读和负责，但审查力度应按风险分级；Skills 与 MCP 解决不同问题，前者是打包的 Markdown 专业知识，后者是连接工具与数据的标准协议，二者可组合使用。RAG 并未消亡，它通过检索外部信息减少 token 消耗并让回答更有依据，可与 Agent、Skills、MCP 共存于同一工作流。
Google ResearchAI 评分3636 Google Research 提出 Retrieve-for-Train：用 RL 编译扩散模型绕过推理瓶颈
Google Research 提出 Retrieve-for-Train 框架，通过离线强化学习发现奖励对齐的查询扇出并编译为监督信号，再蒸馏进一个 53.9M 参数的扩散检索器，实现推理时单次前向的查询扇出，无需生成 CoT 推理 token。该方法基于 Gemma3-4B 和 Qwen3-4B 微调，旨在解决零样本 LLM 的复述坍缩与自回归延迟瓶颈，相关论文已被 ICML 2026 收录。
Hugging Face BlogAI 评分4444 Hugging Face 发布 NeoMME：260M 与 800M 多语言多模态编码器
Hugging Face 推出 NeoMME 系列多语言多模态编码器，含 260M 和 800M 两个规模，用单个双向 Transformer 同时处理文本 token 与原始图像 patch，无需独立视觉塔或因果语言模型，并以掩码离散扩散目标从零训练。
OpenAI NewsAI 评分5858 医疗机构可将 EHR 等行业数据接入 ChatGPT
OpenAI 宣布医疗机构现在可以把 EHR 及其他行业数据接入 ChatGPT，让临床医生安全访问患者上下文、医学研究等信息。原文未披露具体接入方式、支持机构范围或上线时间。
Hugging Face Blog精选AI 评分6262 用 Sentence Transformers 训练和微调多向量嵌入模型
Sentence Transformers v6.0 新增第四种模型类型 MultiVectorEncoder，用于 ColBERT 式后期交互检索，并配套完整训练方案。
推荐理由：原文给出多向量检索模型的完整微调配方与实测对比，读者可据此判断自建领域检索模型的成本与起点选择。
Hugging Face BlogAI 评分3434 Hugging Face Inference Endpoints、Jobs 与 Buckets 如何支撑 Papers with Code 的搜索
Papers with Code 采用混合搜索架构，用 PostgreSQL 全文检索加 pgvector 语义召回，并通过 RRF 算法融合两路结果。
Mistral AI精选AI 评分7171 Mistral 发布 Agentic Search，面向复杂文档的多步检索层
Mistral 发布 Agentic Search，一个让模型在复杂文档中查找、浏览并核实信息的多步检索层，通过 Mistral Search Toolkit 提供，并内置于 Studio 和 Vibe 的 Libraries 中。
推荐理由：原文给出多步检索循环在 FinanceBench 与 OfficeQA Pro 上的准确率、token 与延迟变化，可据此判断它与一次性 RAG 的差异。
Hugging Face Blog精选AI 评分6262 Sentence Transformers v6.0 新增 MultiVectorEncoder，支持 ColBERT 式晚交互检索
Sentence Transformers v6.0 新增第四种模型类型 MultiVectorEncoder，用于 ColBERT 式晚交互检索，PyLate 与 Stanford-NLP ColBERT 检查点可直接加载，colpali-engine 的视觉文档检索模型也能通过同一套 API 使用。
推荐理由：Sentence Transformers v6.0 新增多向量编码器，读者可据此判断晚交互检索的接入成本与索引代价。
Mistral AI精选AI 评分6262 Mistral 发布 OCR 4，支持 170 种语言与单容器自托管
Mistral 发布 OCR 4，在提取文本之外返回边界框、块类型分类和逐页逐词置信度，支持 170 种语言、10 个语系，可打包进单个容器完全自托管。官方称独立标注者在 600 多份文档的盲评中平均 72% 更偏好 OCR 4，并在 OlmOCRBench 上取得 85.20 的最高分，但提示该基准与 OmniDocBench 的评分存在已知局限，建议用户在自己的文档上评测。
推荐理由：OCR 4 在文本之外返回边界框、块类型和置信度，读者可据此判断它如何接入 RAG 与智能体流程。
Google Research精选AI 评分6060 Google 在 Gemini Enterprise Agent Platform 上线 Agentic RAG
Google 在 Gemini Enterprise Agent Platform 上推出基于 Agentic RAG 的 Cross-Corpus Retrieval 公开预览版，通过 Orchestrator、Planner、Query Rewriter、Search Fanout 和 Sufficient Context Agent 等角色协作处理多源多跳查询。
推荐理由：原文给出多智能体 RAG 的完整架构与跨语料评测数据，可据此判断复杂多跳查询的检索可靠性提升路径。
Hugging Face Blog精选AI 评分6060 JetBrains 发布 Mellum2：12B MoE 模型，每 token 仅激活 2.5B 参数
JetBrains 发布 Mellum2，一个从零训练、面向自然语言与代码的 12B 参数 MoE 模型，每个 token 仅激活 2.5B 参数，采用 Apache 2.0 许可。官方称其相比同规模模型推理速度超过 2 倍，可用于路由、RAG、摘要、子智能体和高吞吐编码场景，模型已在 Hugging Face 开放下载。
推荐理由：JetBrains 开源 12B MoE 模型，激活 2.5B 参数并主打低延迟，可据此判断它在多模型系统中的定位。
Mistral AI精选AI 评分6262 Mistral AI 发布开源 Search Toolkit 公开预览版
Mistral AI 发布 Search Toolkit 公开预览版，这是一个用于构建 AI 应用生产级搜索管线的可组合框架，将摄取、检索与评测统一到共享接口下，开源且可部署在云端、本地或边缘。
推荐理由：Mistral 把摄取、检索与评测收进同一框架，读者可据此判断自建 RAG 检索链路的整合成本。
Hugging Face BlogAI 评分4444 Hugging Face 发布 Ettin Reranker 系列：六款 CrossEncoder 重排序模型
Hugging Face 发布六款 Ettin Reranker 系列 Sentence Transformers CrossEncoder 重排序模型，参数量从 17m 到 1b，均在其规模上达到 SOTA。模型基于 Ettin ModernBERT 编码器，采用以 mxbai-rerank-large-v2 分数为目标的逐点 MSE 蒸馏配方训练，并同步开源训练数据与完整训练流程。
Hugging Face BlogAI 评分4242 PaddleOCR 3.5 发布：支持 Transformers 作为推理后端
PaddleOCR 3.5 发布，支持通过设置 engine="transformers" 让 PP-OCRv5、PaddleOCR-VL 1.5 等模型以 Hugging Face Transformers 作为推理后端运行。
Hugging Face BlogAI 评分4040 Granite Embedding Multilingual R2 发布：Apache 2.0 多语言嵌入模型，32K 上下文，Sub-100M 检索质量最佳
Hugging Face 发布两款基于 ModernBERT 的 Apache 2.0 多语言嵌入模型：97M 参数的 granite-embedding-97m-multilingual-r2 在 MTEB Multilingual Retrieval 上得分 60.3。
Hugging Face BlogAI 评分4040 用 Sentence Transformers 训练和微调多模态嵌入与重排序模型
Sentence Transformers 现已支持训练和微调多模态嵌入与重排序模型，作者以 Qwen/Qwen3-VL-Embedding-2B 微调视觉文档检索（VDR）为例演示流程。
Hugging Face Blog精选AI 评分6262 Sentence Transformers v5.4 支持多模态嵌入与重排模型
Sentence Transformers v5.4 更新后，可用同一套 API 对文本、图像、音频和视频进行编码与比较，并支持多模态重排模型对混合模态文档打分。
推荐理由：Sentence Transformers v5.4 把文本、图像、音频、视频统一进同一套嵌入与重排 API，读者可据此判断多模态检索管线的落地方式。
Hugging Face Blog精选AI 评分6666 NVIDIA 发布一天内构建领域专用嵌入模型的微调教程
NVIDIA 发布教程，介绍用单张 GPU 在一天内将通用嵌入模型微调为领域专用模型，无需人工标注。流程基于 NeMo Data Designer 生成合成问答数据、挖掘难负样本并微调 Llama-Nemotron-Embed-1B-v2，在 NVIDIA 公开文档数据上 Recall@10 和 NDCG@10 提升超过 10%。
推荐理由：NVIDIA 给出从合成数据到部署的完整嵌入模型微调流程，并附 Atlassian 在 Jira 数据上的实测提升。
Google ResearchAI 评分4040 Google 在 PNAS 发表研究：用高温超导问题测试 LLM 世界模型
Google 与康奈尔大学合作在 PNAS 发表研究，让 GPT-4o、Perplexity、Claude 3.5、Gemini Advanced Pro 1.5、NotebookLM 和一套自建 RAG 系统回答 67 道高温超导专家级问题，由 12 位国际专家按 6 项指标盲评打分。
OpenAI NewsAI 评分5858 OpenAI 在 ChatGPT 中推出 Company knowledge 企业知识功能
OpenAI 在 ChatGPT 中推出 Company knowledge，把企业应用中的上下文引入 ChatGPT，以生成针对具体业务的回答，并附带清晰的引用来源。该功能现已面向 Business、Enterprise 和 Edu 用户开放，同时提供安全、隐私和管理员控制。
Hugging Face BlogAI 评分3838 Hugging Face 推出 RTEB：面向真实场景的检索嵌入基准测试
Hugging Face 发布 Retrieval Embedding Benchmark（RTEB）beta 版，用公开与私有数据集混合的方式评估嵌入模型的真实检索准确率。RTEB 覆盖 20 种语言及法律、医疗、代码、金融等领域，默认榜单指标为 NDCG@10，私有数据集由 MTEB 维护者评测以防过拟合。
Hugging Face Blog精选AI 评分6060 Google 发布 EmbeddingGemma 嵌入模型
Google 发布 EmbeddingGemma，一款面向端侧场景的多语言嵌入模型，308M 参数、2K 上下文窗口，支持 100 多种语言，量化后内存占用低于 200 MB。
推荐理由：308M 参数、2K 上下文、支持 100 多种语言，读者可据此判断端侧 RAG 与多语言检索的落地空间。
Hugging Face BlogAI 评分3434 用 Sentence Transformers 训练和微调稀疏嵌入模型
Sentence Transformers 现已支持训练和微调稀疏嵌入模型，可产出如 sparse-encoder/example-inference-free-splade-distilbert-base-uncased-nq 这类低成本模型，尤其适合混合搜索或检索重排场景。
Mistral AI精选AI 评分6262 Mistral 发布首个代码专用嵌入模型 Codestral Embed
Mistral AI 发布 Codestral Embed，这是其首个专为代码设计的嵌入模型，在真实代码检索任务上优于 Voyage Code 3、Cohere Embed v4.0 和 OpenAI 的大型嵌入模型。
推荐理由：Mistral 首款代码嵌入模型给出了多维度与 int8 量化的取舍数据，可据此评估代码检索的存储成本。
Mistral AI精选AI 评分7272 Mistral 发布 Agents API，支持内置连接器与多智能体编排
Mistral 发布 Agents API，将自家语言模型与代码执行、网页搜索、图像生成、MCP 工具等内置连接器结合，并提供跨对话的持久记忆与智能体编排能力。
推荐理由：官方给出 Agents API 的连接器、记忆与多智能体编排能力，读者可据此判断企业级智能体平台的搭建方式。
OpenAI NewsAI 评分4242 ChatGPT 接入 Google Drive，用内部知识回答问题
ChatGPT 现可连接 Google Drive，调用其中的内部知识并结合相关上下文回答问题。该功能让 ChatGPT 直接读取企业存储在 Google Drive 中的文档内容，无需手动上传即可获得贴合内部资料的答案。
Mistral AIAI 评分2222 Mistral 如何用 LLM As A Judge 评估 RAG 系统
Mistral 提出用 LLM As A Judge 结合 RAG Triad 框架评估 RAG 系统，从上下文相关性、有据性和答案相关性三个维度打分。其 API 新增的结构化输出功能可定义评分 schema，让评判 LLM 输出机器可读的分数，从而构建更可靠的自动化评估流程。
Hugging Face BlogAI 评分3434 用 Sentence Transformers 训练与微调 Reranker 模型
Hugging Face 发布教程，介绍如何用 Sentence Transformers 库微调 reranker（Cross Encoder）模型，涵盖数据集、损失函数、训练参数、评估器与 Trainer 等组件。