rag

🚨 LA PERPLEXITY ROMPE LOS HITS DE LOS BENCHMARKS DE RECUPERACIÓN DE IA Y ALIMENTA LA NARRATIVA A FAVOR DEL “TORO” PARA $TAO ! 💥

💡 La IA de código abierto acaba de dar un gran salto: Perplexity lanzó su modelo de incrustación de contexto, destruyendo los benchmarks RAG heredados con una caída de 14.4 puntos porcentuales en las pruebas de turbopuffer. 🔍 Al codificar fragmentos de documentos con conciencia contextual total, esta tecnología elimina los datos perdidos y potencia el razonamiento en tiempo real.

📊 El dinero inteligente sigue avances de infraestructura como este porque la inteligencia descentralizada de próxima generación depende en gran medida de una recuperación de contexto precisa. ⚡ A medida que la conciencia del contexto se vuelve un requisito básico, los principales protocolos de IA descentralizada están listos para captar una liquidez masiva.

💬 ¿Los modelos de contexto de código abierto encenderán el próximo tramo parabólico para los tokens del sector de la IA? 👇

⚠️ No es asesoramiento financiero. Gestiona siempre tu riesgo. 🛡️

🏷️ #TAO #AI #Crypto #Tech #RAG

🔥 ⚡

💡 PERPLEXITY INTERRUMPE LA RECUPERACIÓN DE RAG AL $AI INFRAESTRUCTURA REVOLUCIONA LA RECUPERACIÓN DE CONTEXTO! ⚡

Perplexity acaba de publicar como open-source pplx-embed-v2-context-9b-preview bajo licencia MIT, introduciendo el encoding contextual a nivel de documento completo para sistemas RAG. 📊 Al unir directamente el contexto de todo el documento en vectores de fragmentos individuales, la arquitectura resuelve la ambigüedad de datos aislados mientras recupera simultáneamente evidencia para la verificación de respuestas.

En pruebas ciegas en 38.894 documentos largos, el modelo obtuvo 45,5% Answer@10, superando a Voyage Context 4 en un 14,4%, demostrando que la retención de contexto estructural impulsa la precisión de grado institucional. 🔍 A medida que escalan los sistemas inteligentes, el encoding de vectores limpio separará la precisión estructural del ruido del mercado.

💬 ¿Los modelos de embeddings de contexto open-source acelerarán la integración de protocolos de IA en tiempo real en redes descentralizadas? 👇

⚠️ No es asesoramiento financiero. Gestiona siempre tu riesgo. 🛡️

🏷️ #AI #RAG #MachineLearning #Crypto #Tech

🎯 🔍

Agente de búsqueda de 20B parámetros Harness-1 de código abierto: implementación de estado externo con una eficiencia de datos extremadamente alta

Investigadores de UIUC, UC Berkeley y Chroma han lanzado el agente de búsqueda de 200 mil millones de parámetros Harness-1 de código abierto. Este modelo utiliza una arquitectura innovadora de estado externo, delegando las tareas de memoria y organización del proceso de búsqueda al entorno, permitiendo que modelos de menor escala se acerquen al rendimiento de modelos de vanguardia con muy pocos datos de entrenamiento en tareas de búsqueda a largo plazo. Esto significa que los desarrolladores pueden implementar un sistema de generación aumentada de búsqueda (RAG) de manera eficiente sin necesidad de una enorme potencia de cálculo.

¿Por qué es importante? Harness-1 demuestra que la innovación en la arquitectura del modelo puede compensar la brecha en la cantidad de parámetros, permitiendo que equipos pequeños y medianos construyan agentes de búsqueda de alto rendimiento, reduciendo significativamente la barrera de entrada en términos de potencia de cálculo para el desarrollo de aplicaciones de IA.

#AI #开源 #检索智能体 #RAG #inteligenciaartificial