跳到正文

#搜尋

RSS
今日 2 則
11月12日週四
  1. Dev.to Top Tech54

    AI 搜尋關鍵字研究指南:從搜尋量轉向問題鏈

    文章說明,搜尋量仍可估算需求規模,但規劃 AI 搜尋內容時,也要追蹤使用者的後續問題、檢索所需格式,以及頁面能否提供可獨立引用的答案區塊。 - Query Fan-Out:搜尋引擎可能將複雜問題拆成多個子查詢並行檢索,再整合答案;文章指出,這與用於內容組織的關鍵字分群不同。

  2. Dev.to Top Tech39

    如何撰寫能在 Google 排名並帶來客戶詢問的服務頁面

    撰寫每項服務專屬的頁面,清楚說明服務內容與服務地區,並提供可信證明和聯絡方式,可同時協助 Google 理解頁面,也讓訪客知道如何進一步詢問。 - 頁面內容:先了解搜尋者的需求,再說明服務範圍、工作流程、所需時間與客戶須提供的資料;加入案例、真實評價及常見問題,並提供明確的聯絡方式。

  3. AWS Machine Learning Blog69

    Amazon Bedrock AgentCore 推出 Web Search API

    Amazon Bedrock AgentCore 推出 Web Search API,讓應用程式以單一 API 呼叫搜尋 Amazon 維護的網頁索引,取得排序結果與文字摘錄。

    推薦理由:文章比較 Web Search API 與 AgentCore Gateway 的適用情境,並列出篩選、許可權與私有連線設定,呈現直接整合網路搜尋的實作方式。

  4. Dev.to Top Tech78

    Databricks 將 Genie 擴充套件為可持續執行工作的 AI 助理

    Databricks 將 Genie 擴充套件為可排程或由事件觸發、能追查缺漏資訊並同時管理多項工作的 AI 助理,使用者可設定哪些動作須先經核准。

    推薦理由:Genie 把資料問答延伸為可持續執行的工作,文中也區分正式推出與預覽功能,並說明 91% 基準測試適用於既有 Databricks 部署的條件。

  5. aihot84

    Google 推出 Gemini Decisions API 與 Gemini Decision 1,提供快速多模態封閉式決策

    Google 推出由 Gemini Decision 1 驅動的 Gemini Decisions API,可在文字、影像、音訊、影片與 PDF 輸入上,單次評估最多 1,000 個是/否、多選或評分問題,並回傳機率與信心分數。

    推薦理由:原文提供延遲、定價與基準比較,並說明單次請求可評估多個問題,可據此衡量此決策介面是否符合路由或分類需求。

11月11日週三
  1. Databricks Blog77

    Databricks 擴充套件 Genie One,整合企業搜尋、工作產出與跨工具操作

    Databricks 將 Genie One 擴充套件為企業 AI 協作平臺,整合企業搜尋、工作產出與跨工具操作,並以 Genie Ontology 和 Unity Gateway 提供企業脈絡與治理。

    推薦理由:Genie One 將企業搜尋、工作產出與跨工具操作整合在同一介面,並透過 Unity Gateway 提供追蹤、許可權與核准控制。

  2. Databricks Blog68

    Databricks 宣佈 Genie Ontology 正式推出,擴增知識來源與治理工具

    Databricks 宣佈 Genie Ontology 正式推出,讓 AI 助理從企業資料與日常工作中持續學習業務脈絡,並由人員治理關鍵定義,將共用且受控的知識提供給各種AI 助理。

    推薦理由:Genie Ontology 將日常工作產生的知識與人工治理的業務定義結合,並以基準比較呈現其對代理準確率、耗時與 token 用量的影響。

  3. Databricks Blog65

    Databricks 推出新一代 Genie,承接複雜企業工作的持續任務

    Databricks 推出新一代 Genie,作為可持續追蹤進度、補問缺少資訊並依新資料採取行動的企業 AI 協作者。 - 工作方式:Genie 可透過 Genie One、電子郵件、Slack 和 Microsoft Teams 使用,並依企業設定的許可權與核准規則執行任務;工作可按排程或由事件觸發。

    推薦理由:Genie Ontology 串連企業資料與業務定義,搭配許可權控管;文中基準比較也呈現其正確率與 token 使用量差異。

  4. Hugging Face Blog69

    多向量嵌入模型的 Token Pooling 感知訓練

    Hugging Face 示範如何透過 Token Pooling 感知訓練,讓多向量嵌入模型在壓縮檔案向量後保留較佳的檢索品質。 - 方法:以 Sentence Transformers 訓練模型,同時使用未壓縮與約四分之一向量數的檢索目標,讓模型學習保留合併向量後仍有用的資訊。

    推薦理由:文章以可重現的 Sentence Transformers 範例,說明如何把向量合併納入訓練目標,並比較不同壓縮預算下的檢索品質與儲存量。

  5. Thurrott58

    Reddit 將推出 AI 生成的產品評論頁面

    Reddit 將推出 AI 生成的產品評論頁面,彙整使用者對特定產品的討論與使用經驗,首波將在未來幾週向美國使用者推出。 - 首波範圍:約 10K 項商品,涵蓋 Electronics、Health & Beauty、Home & Garden、Fashion & Apparel 四個類別。

  6. Dev.to Top Tech54

    研究者打造 LitWatch,依研究問題追蹤 arXiv 與 PubMed 新論文

    LitWatch 依使用者設定的研究問題追蹤 arXiv、PubMed 與預印本,整理相關論文摘要、作者與趨勢,協助研究者掌握新進展。 使用者以一般文字描述研究問題,無須學習查詢語法。 工具提供相關性整理與趨勢線索,不評定論文品質或新穎性,也不取代閱讀全文、檢查方法與文獻綜整。

  7. Dev.to Top Tech46

    電商商品搜尋檢索架構:以 Go 新鮮度時間窗控管有限更新

    電商商品搜尋應採用分階段檢索,為不同資料類別設定新鮮度時間窗,並讓每筆結果都能追溯到商品來源,避免價格、庫存與商品描述更新不同步時產生難以解釋的結果。 - 檢索與追溯:先從符合新鮮度契約的集合中檢索,設定逾時、結果上限與重試預算;回應附上商品 ID、來源 URL、集合及觀察到的版本,供人員還原結果。