
告别关键词高亮,语义高亮才是解决搜索 / Agent噪音的标准答案 (opens in a new tab)
今天聊一聊怎么在RAG、agent场景中实现语义高亮(Semantic Highlight)。
Total 85 articles

今天聊一聊怎么在RAG、agent场景中实现语义高亮(Semantic Highlight)。

Zilliz 在 Vector Graph RAG 中先用 Jev 筛选关系,再重排关联的原文片段。在 MuSiQue 和 2Wiki 共 2,000 题的对比中,Jev 1.14 两阶段方案的平均 Recall@5 为 86.61%。

近年来,3D 生成模型在几何质量和渲染效果上进步很快。从 Mesh 到 NeRF、3D Gaussian Splatting,生成一个外观完整的三维物体已经不再困难。现有不少 articulated 3D generation 工作,更多关注的是从输入中生成一整套可动 3D 资产,包括物体几何、部件划分以及关节结构。

被自己的造物逼入一场存在主义危机。 在一期科技播客 No Priors 里,硅谷知名投资人 Elad Gil 随口提到一件事,让人心里一沉。 他说自己认识一些顶级 AI 实验室的研究员,这些人最近在认真讨论一个问题——「我该不该结婚?」不是因为感情出了状况,而是因为他们觉得: 18 个月后,世界可能就不一样了。 AI 可能实现递归自我改进,届时人类研究员将不再被需要。既然未来不确定,那婚姻还有意义吗? Elad 的搭档、投资人 Sarah Guo 听完后说了一个词——tragic(悲剧性的)。她把这种心态类比为「人们觉得自己快要死了」的状态。 不是肉体死亡,而是作为一个有价值的智识工作者,职业

AI爬取数据规模可提升5000倍。 一句话介绍 geoSurge是一家专注做GEO(生成式引擎优化)的初创公司,基于“模型内部记忆+RAG(检索增强生成)”提供GEO服务,总部位于伦敦,成立于2025年4月。 目前,geoSurge已完成由欧洲老牌风投机构Passion Capital和美国硅谷风投基金Tuesday Capital支持的Pre-Seed轮融资,得到了来自包括谷歌DeepMind、微软AI等公司天使投资人的支持。 团队介绍 联合创始人兼CEO Francisco Vigo:拥有12年商业数据分析的工作经验,曾在一家金融科技独角兽公司Zilch担任首席数据科学家。 △geoSur

在大型语言模型(LLM)的应用落地中,RAG(检索增强生成)是解决模型幻觉和知识时效性的关键技术。

智谱创始人唐杰发文披露RSI最新进展,称由GLM-5.3驱动的Infra Agent在超过10万卡国产芯片集群上不到两周内完成GLM-5.3 Flash生产级推理服务搭建,将端到端吞吐提升至初始基线的3倍,表明RSI最小闭环已经形成但距离递归自我改进仍很遥远。

AI 客服在最近两年被认为是 Agent 商业化落地的为数不多的最佳场景之一,借助 RAG 技术,成本远低于人工客服,也让我们过上了被迫绞尽脑汁「转人工」的生活。

DeepRead让AI像人一样阅读文档:利用OCR识别章节结构,先精准定位相关段落,再完整读取上下文,避免碎片化检索。实验显示,其长文档问答准确率提升17%,能自动跳过冗余信息,精准提取财报、论文等复杂内容,无需额外知识图谱,轻量高效。

将多模态数据纳入到RAG,甚至Agent框架,是目前LLM应用领域最火热的主题之一,针对多模态数据最自然的召回方式,便是向量检索。