Subiect: #căutare semantică
Perplexity AI lovește din nou: un model de embedding de buzunar și unul de 9B care sparge bariera de 92% pe MADQA
Perplexity AI a lansat familia pplx-embed-v2-late, cu un model compact de 0,6B parametri pentru edge și unul de 9B care atinge 92,4% pe benchmark-ul MADQA. O mutare strategică ce ridică ștacheta în lumea embedding-urilor și a sistemelor RAG.
Google DeepMind lansează EmbeddingGemma 2: modelul multimodal open-source de 740 de milioane de parametri care schimbă regulile jocului
Google DeepMind a lansat EmbeddingGemma 2, un model multimodal de embedding cu doar 740 de milioane de parametri, construit pe arhitectura Gemma 4. Compact, open-source și capabil să proceseze atât text, cât și imagini, acest model promite să democratizeze aplicațiile AI avansate pentru dezvoltatori cu resurse limitate.
Perplexity lansează pplx-embed-v2-context-9b-preview: modelul care nu doar găsește răspunsul, ci și dovada din spatele lui
Perplexity a lansat pplx-embed-v2-context-9b-preview, un model de embedding contextual care nu doar găsește răspunsuri, ci și dovezile care le susțin. O schimbare de paradigmă care pune contextul și verificabilitatea în centrul căutării moderne.
Linkup Research lansează SPARSEUP: un model de înglobare sparse open-source cu 149M parametri
Linkup Research a lansat SPARSEUP, un model de înglobare sparse open-source bazat pe ModernBERT cu 149M parametri, care obține 56,4 nDCG@10 pe BEIR-13 și o rată de rechemare de peste 97% în 380 de microsecunde per interogare. Modelul este distribuit sub licența Apache 2.0.
Cum să construiești o conductă de tip Retrieve-and-Rerank de înaltă precizie cu ZeroEntropy Zerank-2 Reranker
Descoperă cum să construiești un sistem de căutare inteligent folosind ZeroEntropy Zerank-2, un reranker open-source care îmbunătățește semnificativ precizia regăsirii informațiilor. Ghid practic cu cod și exemple.