Amazon Quick 各组件的提示词工程:模式与常见陷阱
AWS 介绍 Amazon Quick 各组件的提示词工程方法,涵盖 Quick Research、Quick Flows、Quick Sight、聊天智能体和动作集成。文章建议分别明确研究目标、工作流步骤、分析指标、智能体边界以及动作参数,并通过条件、错误处理和执行前审查减少不确定结果。
AWS 介绍 Amazon Quick 各组件的提示词工程方法,涵盖 Quick Research、Quick Flows、Quick Sight、聊天智能体和动作集成。文章建议分别明确研究目标、工作流步骤、分析指标、智能体边界以及动作参数,并通过条件、错误处理和执行前审查减少不确定结果。
Condé Nast 与 AWS Generative AI Innovation Center 基于 Amazon Bedrock、Amazon OpenSearch Service 和 TwelveLabs Marengo 构建多模态视频发现系统,将内容发现时间从250分钟降至约2分钟。
Mistral 宣布与 Mozilla 合作,为 Firefox Smart Window 提供模型支持,帮助用户处理复杂搜索、找回浏览内容并根据浏览器标签整理信息。该功能目前面向法国和北美用户,英国和德国预计 later this year 推出;对话默认不保存在 Mozilla 服务器,Mistral 同意 zero data retention。
推荐理由:文章交代了 Firefox Smart Window 的模型来源、覆盖地区与隐私安排,也呈现了浏览器 AI 在开放分发和用户控制上的合作思路。
Google Research 在 ICML 2026 论文中提出 Retrieve-for-Train,用离线强化学习生成与集合属性对齐的查询分解监督,再训练 53.9M-parameter 扩散检索器,在单次非自回归过程中生成完整目标集合。该方法在时延上相较自回归方法实现 12 to 20 speedup,并在大上下文批处理中将近 50 秒的自回归扇出延迟降至亚秒级到数秒。
César de la Fuente 的实验室使用 Codex 和 ChatGPT 搜索现存及已灭绝生物的基因组,寻找可对抗耐药感染的抗菌候选分子。
H Company 发布 NeoMME 多模态多语言编码器,提供 260M 和 800M 两种规模,并从头训练单一双向 Transformer 处理文本与原始图像块。
推荐理由:文章系统说明了 NeoMME 的单 Transformer 架构、检索性能与压缩方案,便于评估多模态文档检索在速度、质量和存储之间的取舍。
Hugging Face 介绍了 Papers with Code 的混合搜索架构,将 PostgreSQL 全文搜索与 pgvector 语义检索结合,并用 RRF 融合结果。
推荐理由:文章拆解了 Papers with Code 将批量向量化与在线查询分离的架构,并展示冷启动回退、版本校验和原子切换如何支撑可复现部署。
Mistral AI 发布 Agentic Search,通过多步检索循环让 AI 系统搜索、打开、导航、读取并验证复杂文档中的信息。FinanceBench 上准确率从 26.7% 提升至 86%,OfficeQA Pro 上从 6.3% 提升至 51.9%,p90 延迟最高降低 39.6%,token 消耗最高减少三分之一。
推荐理由:文章通过 FinanceBench 与 OfficeQA Pro 的对比,具体展示 Agentic Search 如何在复杂文档检索中兼顾准确率、延迟与 token 消耗。
Sentence Transformers v6.0 新增 MultiVectorEncoder 模型类型,支持 ColBERT 风格的 late interaction 检索。
推荐理由:文章将 MultiVectorEncoder 的 late interaction 原理、索引开销与接入方式放在一起,并覆盖文本和视觉文档检索等实际场景。
Mistral AI 发布 Search Toolkit public preview,这是一个用于构建 AI 应用生产级搜索流水线的开源框架,统一了数据摄取、检索和评估接口。它支持 BM25、基于嵌入向量的密集检索与混合检索,并提供 recall、precision、MRR 和 NDCG 等评估指标,可部署在云端、本地或边缘基础设施上。
推荐理由:Search Toolkit 将数据摄取、检索与评估置于统一接口下,并提供 BM25、向量和混合检索,便于团队在自有数据上比较检索质量。
Google Research 推出 PaperVizAgent 和 ScholarPeer 两个 AI 智能体,分别用于生成学术图表和自动评审论文。PaperVizAgent 由五个专用智能体协作,在 0-100 评分中获 60.2 分,超过人类基线 50.0 及 GPT-Image-1.5、Nano-Banana-Pro、Paper2Any。
Google Research 发布 TurboQuant、QJL 和 PolarQuant,用于压缩 KV cache 与高维向量搜索数据。