用 Amazon Bedrock Knowledge Bases 以自然语言查询理赔数据
Amazon Bedrock Knowledge Bases 可通过 AgenticRetrieveStream API 用自然语言查询理赔文件并返回带引用的答案。
#RAG
#RAG
今日 0 条AWS Machine Learning BlogAI 评分3434 AWS Machine Learning BlogAI 评分2222 用 Amazon Quick 和 Amazon Bedrock AgentCore 构建 AI 合同智能平台
AWS 发布基于 Amazon Quick 与 Amazon Bedrock AgentCore 的合同智能平台方案，用 AI 智能体从合同 PDF 中提取八个关键字段并交叉验证，解决 RAG 语义检索无法跨数百份合同做聚合统计的问题。
AWS Machine Learning BlogAI 评分3636 NarrateAI：在 Amazon Bedrock 上实现生产级 LLM 质量保障
AWS 的 NarrateAI 在 Amazon Bedrock 上通过五项技术实现约 99% 的数值准确率并实时流式返回结果，服务超过 4000 名 AWS 高管。这五项技术分别是自适应流水线编排、跨账户多模型故障转移、实时流式评估、复合评估框架和数据准确性验证，其中约 90% 的查询走单次快速路径，仅约 10% 走并行批处理路径。
AWS Machine Learning BlogAI 评分2222 Datacor 如何用 Amazon Quick Sight 为 TrackAbout 打造自助式租赁分析
Datacor 将 Amazon Quick Sight 嵌入 TrackAbout，为工业气体与焊接分销商提供交互式仪表盘和自然语言查询，业务用户无需再提 IT 工单即可分析租赁数据。TrackAbout 客户合计管理 2750 万件资产、每月处理超 72.5 万张账单，方案通过跨云管道将运营数据定时刷新至 SPICE。
GitHub Blog · AI & MLAI 评分2222 GitHub Podcast 拆解五大 AI 热梗：读代码、RAG 已死、Skills 杀死 MCP？
GitHub Podcast 最新一期拆解了五个 AI 热门论断：AI 生成代码仍需阅读，但审查力度应按风险分级；Skills 与 MCP 解决不同问题，前者是可读的 Markdown 打包经验，后者提供工具与数据的标准接入；RAG 并未消亡，检索能为模型提供训练数据外的文档、内部知识与代码库上下文，减少 token 浪费并降低答案不完整的概率。
Hugging Face BlogAI 评分3838 Hugging Face 发布 NeoMME：260M/800M 多模态多语言编码器
Hugging Face 推出 NeoMME 系列多模态多语言编码器，含 260M 和 800M 两个版本，不使用独立预训练视觉塔或因果语言模型，由单个双向 Transformer 同时处理文本 token 与原始图像 patch，并以掩码离散扩散目标从零训练。
Hugging Face BlogAI 评分5252 用 Sentence Transformers 训练与微调多向量嵌入模型
Sentence Transformers v6.0 新增 MultiVectorEncoder 模型类型，支持 ColBERT 式后期交互检索，并给出完整训练方案。
Hugging Face BlogAI 评分2222 Hugging Face Inference Endpoints、Jobs 与 Buckets 如何支撑 Papers with Code 搜索
Papers with Code 用 Hugging Face Jobs、Storage Buckets 和 Inference Endpoints 搭建混合搜索系统，为超 11 万篇 arXiv 与 Daily Papers 论文提供检索。
Mistral AI精选AI 评分6969 Mistral 发布 Agentic Search 检索层，FinanceBench 准确率从 26.7% 升至 86%
Mistral 发布 Agentic Search，一个面向企业复杂文档的多步检索层，通过 search、open、navigate、read、grep 五个工具让模型在索引之上迭代查找并核对证据。
推荐理由：Mistral 给出 Agentic Search 在 FinanceBench 与 OfficeQA Pro 上的准确率、token 与延迟变化，可对照传统 RAG 判断检索层改造的收益。
Hugging Face Blog精选AI 评分6262 Sentence Transformers v6.0 新增 MultiVectorEncoder 支持 ColBERT 式晚交互检索
Sentence Transformers v6.0 新增第四种模型类型 MultiVectorEncoder，用于 ColBERT 式晚交互检索，可直接加载 PyLate、Stanford-NLP ColBERT 以及 colpali-engine 的视觉文档检索模型。
推荐理由：Sentence Transformers v6.0 新增多向量编码器，读者可据此判断晚交互检索的接入成本与索引开销。
Mistral AI精选AI 评分6262 Mistral 发布 OCR 4，支持边界框、块分类与置信度分数
Mistral 发布 OCR 4，在提取文本之外返回边界框、块类型分类和逐页逐词置信度分数，支持 170 种语言并可在单个容器中自托管部署。该模型在 OlmOCRBench 上取得 85.20 分，独立标注者在 600 多份文档的盲评中平均 72% 更偏好其输出。
推荐理由：OCR 4 在文本之外返回边界框、块分类与置信度，读者可据此判断它如何改变 RAG 与智能体的文档处理流程。
Google ResearchAI 评分5858 Google 在 Gemini Enterprise Agent Platform 上线 Agentic RAG
Google 在 Gemini Enterprise Agent Platform 推出基于 Agentic RAG 的 Cross-Corpus Retrieval 公开预览版，通过 Orchestrator、Planner、Query Rewriter、Search Fanout 和 Sufficient Context Agent 等角色协作处理多源多跳查询。
Mistral AI精选AI 评分7171 Mistral AI 发布开源 Search Toolkit 公开预览版
Mistral AI 发布 Search Toolkit 公开预览版，这是一个用于构建 AI 应用生产级搜索管线的可组合框架，将摄取、检索和评测统一到共享接口下，开源并支持云端、本地和边缘部署。
推荐理由：Mistral 把检索管线的摄取、检索与评测收进同一框架，读者可据此判断自建 RAG 的集成成本会如何变化。
Google ResearchAI 评分3636 Google 在 PNAS 发表研究：用高温超导问题测试 LLM 世界模型
Google 与康奈尔大学在 PNAS 发表研究，让 GPT-4o、Perplexity、Claude 3.5、Gemini Advanced Pro 1.5、NotebookLM 和一套自建 RAG 系统回答 67 道高温超导专家级问题，由 12 位专家按 6 项指标盲评打分。
Mistral AIAI 评分5555 Mistral 发布 Codestral Embed 代码嵌入模型
Mistral AI 发布 Codestral Embed，这是其首个专为代码打造的嵌入模型，在真实代码检索任务上表现优于 Voyage Code 3、Cohere Embed v4.0 和 OpenAI 的大型嵌入模型。
Mistral AI精选AI 评分7272 Mistral 发布 Agents API，内置连接器与多智能体编排
Mistral 发布 Agents API，将自家语言模型与代码执行、网页搜索、图像生成、MCP 工具等内置连接器结合，并提供跨对话的持久记忆与智能体编排能力。
推荐理由：官方给出 Agents API 的连接器、记忆与多智能体编排能力，可据此判断企业级智能体平台的搭建方式。
Mistral AIAI 评分2222 Mistral 如何用 LLM as a Judge 评估 RAG 系统
Mistral 提出用 LLM as a Judge 评估 RAG 系统，由 judge LLM 按数值、二元或定性量表为 generator LLM 的回答打分，再对评测数据集取平均得到加权总分。
Mistral AI精选AI 评分7878 Mistral AI 发布文档理解模型 Mistral OCR
Mistral AI 发布光学字符识别 API Mistral OCR，可接收图片和 PDF，按顺序交错提取文本与图像，并支持表格、公式和 LaTeX 等复杂版式。
推荐理由：官方给出 Mistral OCR 的基准对比、定价与自托管选项，可据此判断文档解析在 RAG 流程中的位置。