
Google重磅整合:Gemini×NotebookLM知识库双向同步,正面硬刚ChatGPT Projects(在新窗口打开)
Google放出重磅整合:Gemini正式上线「Notebooks」功能,与NotebookLM实现知识库双向同步——你在任意一端添加的资料,另一端自动出现。The Verge直言这是在硬刚ChatGPT Projects。Gemini团队成员Logan Kilpatrick发推官宣,4.4万人围观,近900人点赞。AI助手的「第二大脑」时代,来了。
共 39 篇

Google放出重磅整合:Gemini正式上线「Notebooks」功能,与NotebookLM实现知识库双向同步——你在任意一端添加的资料,另一端自动出现。The Verge直言这是在硬刚ChatGPT Projects。Gemini团队成员Logan Kilpatrick发推官宣,4.4万人围观,近900人点赞。AI助手的「第二大脑」时代,来了。

鹅厂就给旗下AI原生产品知识库工作台ima过了一周岁生日。还趁热打铁放出了ima 2.0版本,主打任务模式。于是,这个能把微信文件、公众号文章等资源一键变成可提问式知识库的鹅厂版NotebookLM,从只会问答升级到了能生成报告和播客的进阶版。

知识第一次,能像代码一样利滚利。前OpenA 创始团队成员、特斯拉前 AI 高级总监 Andrej Karpathy,提出一个狠招:别再用 RAG 检索你的知识库,让大模型把它「编译」成一座持续生长的活 Wiki。两个多月,他在GitHub屠出 5000+ star。

Karpathy 表示,大多数人使用 LLM 处理文档的方式,基本都类似于 RAG:你上传一组文件,模型在查询时检索相关片段,然后生成答案。这种方式是有效的,但问题在于每一次提问,模型都在从零重新发现知识。没有积累。

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。

大型语言模型(LLM)本身很强大,但知识是静态的,有时会“胡说八道”。为了解决这个问题,我们可以让它去外部知识库(比如维基百科、搜索引擎)里“检索”信息,这就是所谓的“检索增强生成”(RAG)。

原作者从管理和员工视角介绍资源分发、权限、计费与任务回溯,并用模拟产品简报测试文档及网页生成。

Anthropic 研究让 Claude 在独立任务中回看运行记录,修订笔记并为后续会话提炼经验。论文团队以《宝可梦:红》和企业知识库展示方法。

SAG2 在建库阶段使用 BM25 索引,检索时用 JEV 判断候选证据。文章比较团队报告的建库耗时,并用公众号文章、研报和代码展示 SAG Wiki 的多跳检索。

报道通过选科案例介绍 e生涯如何先询问省份、成绩和兴趣,再由知识库和专业技能辅助规划。文中 88% 通过率与 2.73 分来自所述评测,覆盖范围和结果受样本与评分口径影响。