Condé Nast 如何用 Amazon Bedrock 构建多模态视频检索
Condé Nast 与 AWS 基于 Amazon Bedrock 构建多模态视频检索系统，将超过 140,000 条视频库的单次内容查找时间从 250 分钟缩短至约 2 分钟。
#搜索
#搜索
今日 0 条AWS Machine Learning BlogAI 评分5050
Mistral AIAI 评分5151 Mistral 与 Mozilla 合作，为 Firefox Smart Window 提供注重隐私与本地语言的 AI
Mistral 宣布与 Mozilla 合作，由 Mistral 模型为 Firefox 的 AI 浏览助手 Smart Window（beta）提供支持。该助手可帮助理解复杂搜索、找回此前浏览过的重要内容，并基于浏览器标签页查找相关信息；合作覆盖法国和北美用户，预计今年晚些时候扩展至英国和德国。
Google ResearchAI 评分4747 绕过推理瓶颈：Retrieve-for-Train 如何加速复杂 AI 搜索
Google Research 的 Retrieve-for-Train 框架将离线强化学习探索结果转化为监督数据，实现无需思考 token 的单次查询展开。其 53.9M 参数扩散模型以非自回归方式将查询嵌入向量映射为目标向量集合，训练无需人工标签，并以集合级奖励优化结果多样性与互补性。
Hugging Face BlogAI 评分5555 NeoMME：260M 与 800M 原生多模态、多语言编码器
NeoMME 推出 260M 和 800M 多语言多模态编码器，以单一双向 Transformer 处理文本和图像，全部检查点按 Apache 2.0 许可开放。
Hugging Face BlogAI 评分5252 如何用 Sentence Transformers 训练与微调多向量嵌入模型
Sentence Transformers 多向量训练教程基于 v6.0 的 MultiVectorEncoder，给出从检查点选择、领域微调到评估与索引压缩的完整流程。
Hugging Face BlogAI 评分5353 Hugging Face 的 Inference Endpoints、Jobs 和 Buckets 如何支撑 Papers with Code 搜索
Papers with Code 使用 Hugging Face Jobs、Storage Buckets 和 Inference Endpoints 构建混合搜索，覆盖超过 110,000 篇论文。
Mistral AI精选AI 评分6767 Mistral Agentic Search 提供多步文档检索，提高搜索准确率与效率
Mistral 推出 Agentic Search，通过多步检索与文档导航帮助 AI 系统查找、阅读和核验复杂文档中的信息。它基于现有索引提供 search、open、navigate、read 和 grep 五种工具，可通过 Mistral Search Toolkit 集成，也已内置于 Studio 和 Vibe 的 Libraries，支持云端和本地部署。
推荐理由：通过区分单次检索、循环搜索和文档导航的评测结果，材料展示了复杂文档问答中准确率提升与检索开销下降之间的关系。
Hugging Face BlogAI 评分5555 Sentence Transformers 多向量嵌入模型使用指南：延迟交互检索与索引优化
Sentence Transformers v6.0 的 MultiVectorEncoder 支持通过统一 API 使用多向量嵌入模型，教程覆盖模型加载、MaxSim 评分与检索系统接入。
Mistral AI精选AI 评分6868 Mistral 发布 OCR 4：支持 170 种语言，新增边界框、块分类与置信度
Mistral 发布文档理解模型 Mistral OCR 4，在提取文本的同时返回边界框、块类型及逐页、逐词置信度，支持 10 个语言组的 170 种语言。官方报告其在人类盲评中的平均胜率为 72%，OlmOCRBench 得分为 85.20，同时说明自动基准存在标注与格式匹配局限，竞品分数来自内部复现。
推荐理由：边界框、块类型和置信度让文档提取结果能同时用于定位引用与安排人工核验，为检索和智能体流程提供更明确的输入结构。
Mistral AIAI 评分5959 Mistral AI 发布开源 Search Toolkit 公共预览版，整合搜索管线
Mistral AI 今天发布 Search Toolkit 公共预览版，以统一接口整合 AI 应用搜索管线的数据摄取、检索与评估，开源并支持云端、本地和边缘部署。框架支持文档解析、分块、嵌入向量生成，以及 BM25、稠密向量和混合检索，内置召回率、精确率、MRR 和 NDCG 指标，可独立衡量检索器表现。入门应用模板提供预配置的 Vespa 索引、混合检索和示例数据摄取管线。
Google Research精选AI 评分6363 Google ERA 研究发表于 Nature，支撑 Computational Discovery 科学计算工具
Google 的科研工具 ERA 研究今天发表于 Nature，该工具利用 Gemini 编写和优化科学代码，在多个学科基准上达到专家水平。ERA 根据科学问题与成功指标检索文献、编写代码并评估结果，通过树搜索探索数千种方案；团队现有 8 篇稿件将其用于具体科学问题，包括提前最多 4 周预测美国各州呼吸道疾病住院人数。
推荐理由：以科学问题和成功指标驱动文献检索、代码生成与实验评估的闭环，为将科研代码优化方法迁移到不同学科提供了具体参考。
Google DeepMindAI 评分5959 Gemini for Science 推出科研实验工具与 Science Skills
Google 推出 Gemini for Science，包含 Google Labs 上的 3 款科研实验工具，以及可在 Google Antigravity 中使用的 Science Skills。
Google ResearchAI 评分4646 Google Research 推出 PaperVizAgent 和 ScholarPeer：用 AI 智能体改进学术绘图与同行评审
Google Research 推出 PaperVizAgent 和 ScholarPeer，分别用于生成学术图表和自动评审论文。PaperVizAgent 在经人类图表校准的 LLM 评测中总分为 60.2，超过设定的人工基线 50.0。ScholarPeer 结合网络文献检索与技术主张核验，在并排评测中优于先进自动评审方案。
Google ResearchAI 评分5151 Google Research 介绍 TurboQuant：以极致压缩提升 AI 效率
Google Research 介绍向量压缩算法 TurboQuant，在 Gemma 和 Mistral 的测试中将 KV cache 量化至 3 bits，无需训练或微调且不损失模型准确率。
Mistral AIAI 评分4949 Mistral AI 发布 Codestral 25.08 及完整企业编程技术栈
Mistral AI 发布 Codestral 25.08 及完整企业编程技术栈，覆盖代码补全、语义检索与多步骤智能体开发。Codestral 25.08 的补全采纳量增加 30%，建议后保留的代码增加 10%，失控生成减少 50%。模型支持云端、VPC 或本地部署，无需更改架构。
Mistral AI精选AI 评分7171 Mistral AI 更新 Le Chat，新增深度研究、语音模式与项目空间
Mistral AI 为 Le Chat 新增 Deep Research 预览模式、语音模式、原生多语言推理、Projects 和高级图像编辑。Deep Research 可规划任务、澄清需求、搜索并生成带引用的结构化报告；语音模式由 Voxtral 支持，多语言推理由 Magistral 驱动。
推荐理由：项目空间能保留文件、工具与设置，为需要持续研究和多轮交流的工作提供上下文组织方式，减少跨会话整理材料的负担。
Mistral AIAI 评分5151 Mistral AI 发布代码嵌入模型 Codestral Embed
Mistral AI 发布首款专用于代码的嵌入模型 Codestral Embed，面向代码检索、语义搜索及编码智能体的 RAG。官方评测称，其在维度为 256、精度为 int8 时仍优于所比较的竞品，并支持保留前 n 个维度以权衡检索质量与存储成本。
Mistral AI精选AI 评分7272 使用 Mistral Agents API 构建 AI 智能体
Mistral 宣布推出 Agents API，整合内置连接器、MCP 工具、持久记忆与多智能体编排，补充现有 Chat Completion API。
推荐理由：将内置工具、有状态对话与多智能体任务交接纳入同一接口，为企业搭建需要保留上下文并协调多步操作的工作流提供了具体参考。
Mistral AIAI 评分5858 Mistral AI 推出 Le Chat Enterprise，整合企业搜索与自定义智能体
Mistral AI 推出由 Mistral Medium 3 驱动的 Le Chat Enterprise，整合企业搜索、智能体构建、自定义数据与工具连接器、文档库、自定义模型及混合部署，所有功能将在未来两周内陆续推出。