如何用 Amazon Quick 与 Amazon Bedrock AgentCore 构建 AI 合同智能平台
AWS 展示了用 Amazon Quick 与 Amazon Bedrock AgentCore 构建合同智能平台的架构，通过结构化提取支持跨合同汇总，并保留原文检索能力。
推荐理由：将跨文档汇总交给结构化数据库、单文档查找留给检索，为大量非结构化文档同时支持统计与问答提供了可迁移的架构方法。
#RAG
#RAG
今日 1 条AWS Machine Learning Blog精选AI 评分6161
OpenAI NewsAI 评分3030 V7 借助 GPT-5.6 Luna 降低成本 78%，同时提升准确率
V7 借助 GPT-5.6 Luna 将成本降低 78%，同时提升准确率。V7 使用 GPT-5.6 将分散的公司文件转化为 AI 智能体可用的上下文，支持其完成关联来源的复杂工作。
GitHub Blog · AI & MLAI 评分4646 GitHub Podcast 探讨：该读 AI 生成的代码吗，RAG 已死，技能取代了 MCP？
GitHub Podcast 剖析 AI 开发热议观点：生成代码仍需审查，RAG 并未过时，技能也未取代 MCP。代码审查应按风险分配精力，直到开发者能解释结果并承担责任。MCP 提供工具与数据访问，技能承载流程和最佳实践，RAG 检索相关上下文，三者可在同一智能体工作流中配合。
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 Blog精选AI 评分7676 funes 为编码智能体提供用户自有、可跨机器检索的记忆
Hugging Face 的开源工具 funes 将已有会话转为持久记忆，支持 Claude Code、Codex、pi 和 Hermes 跨智能体检索。嵌入与重排序在本机运行，检索返回原文及会话出处；用户可选择同步至自己拥有、默认私有的 Hugging Face 数据集，实现跨机器共享。
推荐理由：将会话原文连同出处保留为可检索数据，为跨智能体交接提供了不同于压缩摘要的路径，也让过去决策的依据能够被追溯。
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5050 ALTK-Evolve 研究：AI 智能体究竟需要多少记忆？
ALTK-Evolve 在 AppWorld 上对 8 个模型的评估发现，智能体记忆的合适用量因模型而异，并非注入越多越好。
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。
Hugging Face BlogAI 评分4848 ALTK-Evolve 与 ACE 对比：用更少的 token 学习智能体经验
ALTK-Evolve 在内部 AppWorld 对比测试中，以更少的推理 token 达到或超过 ACE 的任务表现。使用 DeepSeek-V3.2 时，TGC 从 80.4 升至 89.3，每任务 token 从 634K 降至 263K。两者均从智能体历史轨迹积累经验，但前者按模型能力调整经验注入量，ACE 每步注入完整经验手册。
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。
Google ResearchAI 评分5252 Gemini Enterprise Agent Platform 的 Agentic RAG 如何提高回答可靠性
Google 在 Gemini Enterprise Agent Platform 提供由 Agentic RAG 驱动的跨语料库检索功能，现已开放公开预览。该框架通过 Sufficient Context Agent 检查检索片段与回答草稿，识别信息缺口并反馈给查询改写环节，推动后续检索。
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 ResearchAI 评分4646 Google Research 评测 LLM 回答超导研究问题的能力
Google Research 与康奈尔大学评测了 6 个 LLM 系统回答高温超导研究问题的能力，NotebookLM 与定制 RAG 系统总体表现领先。专家围绕 67 道问题进行盲评，两个领先系统均依赖经过质量控制的资料库。所有受测系统仍有改进空间，NotebookLM 的证据支持得分最高，但回答最不简洁。
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4949 如何用 Mistral 模型作为评判者评估 RAG 系统
Mistral 模型可结合结构化输出充当评判者，依据自定义标准评估 RAG 系统的检索与生成质量。TruLens 提出的 RAG Triad 框架检查上下文相关性、回答对检索内容的忠实度及回答相关性。Mistral API 的自定义结构化输出可约束评分格式，便于机器读取和复用评估标准。
Mistral AI精选AI 评分7676 Mistral 发布文档理解模型 Mistral OCR，API 定价为 1000 pages / $
Mistral 发布 Mistral OCR 文档理解模型，可从图片和 PDF 中按顺序提取交错的文字与图像，处理表格、公式及复杂布局。其已成为 Le Chat 的默认文档理解模型，API mistral-ocr-latest 今日在 la Plateforme 开放，定价为 1000 pages / $，批量推理时每美元可处理的页数约翻倍。
推荐理由：对需要处理复杂文档的检索系统，按顺序提取交错的文字与图像比单纯转录文本更有参考价值，也更贴近多模态资料的接入需求。