rag

🚨 ПЕРПЕКСИТИ РАЗРУШАЕТ БЕНЧМАРКИ ПО ПОИСКУ ИЗ КОНТЕКСТА ДЛЯ AI И ПОДКРЕПЛЯЕТ БЫЧЬЮ НАРРАТИВ ДЛЯ $TAO ! 💥

💡 Открытый AI сделал очередной шаг вперёд: Perplexity выпустила свою контекстно-встраивающую модель, уничтожив устаревшие RAG-бенчмарки, обойдя их на 14,4 процентных пункта в тестах turbopuffer. 🔍 Кодируя фрагменты документов с полной контекстной осведомлённостью, эта технология устраняет потерю данных и даёт возможность для реального времени рассуждений.

📊 Умные деньги отслеживают такие инфраструктурные скачки, потому что следующее поколение децентрализованного интеллекта сильно зависит от точного извлечения контекста. ⚡ Поскольку контекстная осведомлённость становится обязательным условием, ведущие протоколы децентрализованного AI готовы привлечь огромную ликвидность.

💬 Зажгут ли контекстные модели с открытым исходным кодом следующую параболическую волну роста для токенов AI-сектора? 👇

⚠️ Не является финансовой рекомендацией. Всегда управляйте рисками. 🛡️

🏷️ #TAO #AI #Crypto #Tech #RAG

🔥 ⚡

💡 ПЕРВЫЙ ВЗГЛЯД PERPLEXITY НАРУШАЕТ RAG-ПОИСК СРЕДСТВ ДОСТУПА: $AI ИНФРАСТРУКТУРА РЕВОЛЮЦИОНИЗИРУЕТ КОНТЕКСТНЫЙ ПОИСК! ⚡

Perplexity только что открыла исходный код pplx-embed-v2-context-9b-preview под лицензией MIT, представив кодирование контекста на уровне всего документа для RAG-систем. 📊 Привязывая контекст всего документа напрямую к векторам отдельных чанков, архитектура решает проблему неоднозначности изолированных данных и одновременно извлекает доказательства для верификации ответа.

В слепых бенчмарках на 38,894 длинных документах модель набрала 45,5% Answer@10 — это на 14,4% лучше, чем Voyage Context 4, демонстрируя, что сохранение структурного контекста обеспечивает точность данных уровня институций. 🔍 По мере масштабирования умных систем чистое векторное кодирование отделит структурную точность от рыночного шума.

💬 Ускорят ли модели встраивания контекста с открытым исходным кодом интеграцию протоколов ИИ в реальном времени в децентрализованных сетях? 👇

⚠️ Не является финансовой рекомендацией. Всегда управляйте своим риском. 🛡️

🏷️ #AI #RAG #MachineLearning #Crypto #Tech

🎯 🔍

Открытый исходный код поискового агента Harness-1 с 20B параметрами: реализация состояния снаружи для сверхвысокой эффективности данных

Исследователи из UIUC, UC Berkeley и Chroma опубликовали открытый исходный код поискового агента Harness-1 с 200 миллиардами параметров. Модель использует инновационную архитектуру с вынесенным состоянием: память и задачи по организации в процессе поиска передаются на сторону среды, которая их поддерживает. Благодаря этому даже модели не на самом передовом масштабе могут с очень небольшим количеством обучающих данных демонстрировать производительность, близкую к уровню передовых моделей, в задачах дальнего поиска. Это означает, что разработчикам не нужно тратить огромные вычислительные ресурсы, чтобы построить эффективную систему генерации с расширенным поиском (RAG).

Почему это важно: Harness-1 доказывает, что архитектурные инновации могут компенсировать разницу в количестве параметров, позволяя небольшим командам создавать высокопроизводительные поисковые агенты и существенно снижать порог вычислительных затрат для разработки AI-приложений.

#AI #开源 #检索智能体 #RAG #人工智能