跳到正文
10月6日周二
  1. arXiv · NLP30

    小模型结合语义搜索实现高效多语言代码定位

    基于 ColGREP 的紧凑本地智能体在 SWE-bench Lite 和 Multi-SWE-bench Flash 任务中,定位准确性优于 GREP 基线。该方案结合加权监督微调与强化学习,训练了三个参数量低于 20 亿的模型族。在 CPU 环境下,端到端延迟降低 44.1%,Token 消耗减少 29.1%,并提升了对未见编程语言的泛化能力。

  2. Hacker News AI31

    Plainserp 发布面向 AI 智能体的 Google 搜索 API,定价 $0.30/1k 次

    Plainserp 推出专为 AI 智能体设计的 Google 搜索 API,单次调用返回 20 条自然结果,价格为 $0.30/1k 次。 该服务仅返回标题、URL 和摘要,刻意排除 AI 概览和广告模块,默认限速 300 次/分钟,支持 MCP 服务器接入。 其低成本且无渲染开销的特性,使开发团队能够以极低预算为智能体提供实时网络搜索能力。

10月5日周一
  1. Hacker News AI63

    Cloudflare Web Search API 发布 Beta 版

    Cloudflare 的 Web Search API 正式进入 Beta 测试,允许 AI 智能体通过实时互联网搜索而非模型预测来获取信息。该功能支持 Ceramic.ai、Exa 和 Linkup 三家搜索提供商,且所有通过 Cloudflare 发出的请求均支持零数据保留(Zero Data Retention)。

  2. arXiv · AI26

    HyperBrowseComp:面向网页浏览智能体的多语言多模态压力测试基准

    研究团队提出 HyperBrowseComp,这是一个包含 423 道人工编写且经人类验证问题的多语言多模态浏览基准,覆盖 13 种语言。这些问题要求定位冷门证据、遵循多步骤线索链或检查视频、扫描文档等异构来源,旨在测试持续信息检索能力。团队使用提供商标配搜索和共享外部检索框架,在通用智能体协议下评估了多个模型,并通过对部分问题进行人类评估来定位模型表现。

10月4日周日
9月25日周五
9月18日周五
9月17日周四
  1. Kimi开放平台45

    Kimi API 联网搜索功能全面升级

    Kimi 开放平台推出联网搜索 Basic、Pro 及网页读取三个独立 REST 接口,将网页处理为结构化结果或相关正文片段。联网搜索 Pro 通过提取高相关片段并返回来源权威性等级,降低 Token 成本并提升回答准确性。三个接口分别按次计费,其中 Pro 接口价格为 15 元/千次。

9月16日周三
  1. Google Research29

    Google Research 提出 Retrieve-for-Train 框架加速复杂 AI 搜索

    Google Research 提出 Retrieve-for-Train 框架,通过离线强化学习训练 53.9M 参数扩散模型,实现单次非自回归查询扇出,解决 LLM 推理延迟瓶颈。 该方法利用 4B 级 Gemma3-4B 和 Qwen3-4B 模型合成监督数据,避免推理时消耗大量 CoT 思考 token,使复杂搜索结果集能达成多样性与互补性等集合级属性。

8月28日周五
  1. Google科技博客64

    Google Search AI Mode 新增机票价格追踪、积分里程查询和酒店预订功能

    Google Search 的 AI Mode 新增三项旅行功能:机票价格追踪、积分里程查询和酒店预订。用户可在对话中直接追踪超过300家航空公司和旅行网站的价格,查看积分或里程兑换成本,并通过 Google Pay 直接完成酒店预订。价格追踪已覆盖180多个国家,积分里程功能支持美国航空等五大品牌,酒店预订初期在美国上线,包含Booking.com、Marriott等合作伙伴。

4月10日周五
9月22日周一
  1. DeepSeek45

    DeepSeek 更新 DeepSeek-V3.1-Terminus

    DeepSeek 将 DeepSeek-V3.1 更新至 DeepSeek-V3.1-Terminus 版本,优化语言一致性并增强 Code Agent 与 Search Agent 能力。目前官方 App、网页端、小程序与 DeepSeek API 模型均已同步更新。开源版本可通过 Hugging Face 和 ModelScope 下载。

7月1日周二
  1. Hugging Face Blog42

    Sentence Transformers 微调稀疏嵌入模型指南

    Sentence Transformers 提供了一套用于微调稀疏嵌入模型的完整流程,涵盖模型、数据集、损失函数及评估器等组件。该库生成的 sparse-encoder/example-inference-free-splade-distilbert-base-uncased-nq 模型成本低,特别适合混合搜索或检索重排场景。

4月13日周日
1月16日周一
  1. Hugging Face Blog36

    Hugging Face 利用 Datasets 和 Transformers 构建图像相似度系统

    该文章展示了如何使用 Hugging Face 的 Transformers 和 Datasets 库构建图像相似度系统。系统采用基于 ViT 的 nateraw/vit-base-beans 模型计算图像嵌入向量,通过余弦相似度匹配查询图像与候选集。代码支持并行处理,并可通过 Swin Transformer 或 ConvNeXT 等模型扩展至其他图像数据集。