跳到正文

#搜尋

RSS
今日 0 則
11月19日週四
  1. Dev.to Top Tech47

    PlaceBench 測試發現,AI 助理有時會推薦已歇業的店家

    想找附近的店,AI 助理卻可能把人帶到已經關門的地方。PlaceBench 用 150 個日常問題測試 6 個 AI 助理,900 個第一輪回答中,有 12 個推薦了公開資料顯示已歇業、搬家或改名的地點;如果它是主要推薦,答案通常就算錯。測試沒有查出原因,但網路上的店家資料可能沒有及時更新。要推薦店家時,可以先用 VOYGR Validate API 查詢它是營業中、已歇業、狀態不明,還是查無此店;例如店家確實存在,不代表它現在還有營業。

11月17日週二
  1. Hacker News (official RSS)47

    40 個網站調查:80% 的 Shopify 商店開放 UCP,卻沒有自訂的 /agents.md

    有些網站已能讓 AI 搜尋工具讀取資料,但缺少網站自己的價格、退貨和服務規則,AI 可能只能從其他地方猜答案。這項調查檢查了 40 個網站,發現 10 家 Shopify 商店中有 8 家開放 /api/ucp/mcp,卻沒有一家自訂 /agents.md;其中 6 家使用 Shopify 提供的範本,裡面沒有商店自己的免運門檻和退貨期限。調查也發現,40 個網站都沒有在 /robots.txt 禁止 GPTBot 或 PerplexityBot,但有 2 個網站仍在網路防護系統擋下這些爬蟲。這表示網站看起來允許 AI 讀取,不代表 AI 一定能順利取得資料;網站也需要清楚寫出自己的重要資訊。

11月16日週一
  1. Sakana AI50

    一般的 AI 測驗不一定看得出模型懂不懂日本的金融規定。Sakana AI 推出日文評測題庫「JFinBench」,用日本 6 種金融資格考試的 2026 年版題目做成 321 題,包含稅額計算、申論和讀圖。製作時由 AI 助理協助整理考試 PDF,再由人逐題檢查,約花 12 小時。測試 12 個大型語言模型後發現,有些開放權重模型在一般測驗表現不錯,遇到日本金融題目仍落後;主要難在不熟悉日本製度,而不是計算。讓模型查法令能提高分數,但差距仍在,顯示模型還需要學會運用日本的金融知識。

  2. Dev.to Top Tech48

    Web 搜尋和 API 查詢誰比較會查公司?Bosco Labs 用 25 家公司重新測試

    替供應商或客戶做背景確認時,得查公司是否還在營業、是否破產或被列入制裁名單。Bosco Labs 拿 25 家公司比較 Claude Sonnet 5.5 用網路搜尋的結果,以及自家 API 查到的資料。第一次測試,網路搜尋有 23 家全對,API 只有 17 家;檢查後,他們發現 API 有四個程式問題,修好再測,結果變成 API 20 家、網路搜尋 19 家。 不過,第二次測試中網路搜尋有幾次卡住或沒查完,分數也因此下降;而且 API 的錯誤已依這 25 家公司的情況修正,不能當成公平的全新考試。像 Tesco 這種知名公司,模型可能不用搜尋就答對;但要讓人查清楚答案從哪裡來,API 會列出制裁名單資料。這次結果只能說明這 25 家公司的測試情況,還需要用沒測過的公司再比較。

11月15日週日
  1. Dev.to Top Tech73

    搜尋 API 哪個最能回答近期事件?實測比較六種服務

    AI 助理回答近期事件時,搜尋服務提供的資料會影響答案正不正確,也會影響等待時間。作者用 358 題答案會隨時間改變的 FreshQA 問題,比較六種搜尋 API,讓同一個模型各查一次再作答。兩種 Google 搜尋結果 API 的正確率分別是 88.5% 和 88.3%,但每次搜尋約要等 8 秒;Exa 約 0.74 秒,正確率是 83.0%。初步測試也發現,拿掉 Google 結果頁頂端的 AI Overview 後,正確率從 90.5% 降到 80.2%。測試沒有衡量各服務索引資料有多新,因此結果適合用來比較這組題目的表現,不能單靠它判斷差異是否來自資料更新速度。

11月12日週四
11月5日週四
11月4日週三
11月3日週二
10月24日週六
10月15日週四
10月12日週一
10月6日週二
7月14日週二