Google DeepMind 发布开源端侧多模态嵌入模型 EmbeddingGemma 2
Google DeepMind 推出开源多模态嵌入模型 EmbeddingGemma 2，采用 Apache 2.0 协议，原生将文本、代码、图像、音频和视频统一映射到共享嵌入空间。
推荐理由：模型通过模块化架构将跨模态嵌入压缩至7.4亿参数，为边缘硬件部署离线多模态检索与本地RAG提供了轻量化方案。
RAG 与提示词
全部主题检索增强生成与提示词工程的方法与实践。
4条精选相关主题AI 工作流
最新精选
第 1–4 条 · 共 4 条Google DeepMind精选AI 评分6666
Hugging Face Blog精选AI 评分6565 Multiverse Computing 提出 ProvenanceGuard：面向 MCP 智能体的信源感知事实核查框架
Multiverse Computing 发布研究 ProvenanceGuard，提出了一种面向 MCP 智能体的后置信源感知事实核查层，专门解决事实存在但引用错位的跨信源混淆问题。
推荐理由：针对多工具智能体容易混淆证据出处的问题，原文提出了保留信源标识的后置核查与修复机制，为高合规临床等场景提供了可迁移的归因质控方案。
LangChain Blog精选AI 评分7070 LangChain 为何重构官方聊天机器人及工程经验复盘
LangChain 官方宣布全面重构 Chat LangChain，放弃了传统的切块向量检索方案，转向基于结构化 API 与多子图协同的智能体架构。团队针对技术文档、支持知识库与代码库分别构建了独立子智能体，由主编排器提取关键信息并汇总，使普通问答响应时间缩短至 15 秒以内。系统还集成了护栏、多模型降级回退与缓存等生产级中间件，以支撑高复杂度的代码级排错与问答需求。
推荐理由：文章详述了放弃传统切块向量检索并转向结构化 API 与多子图协同的工程复盘，为技术文档问答系统的架构设计提供了实用参考。
Hugging Face Blog精选AI 评分7171 Sentence Transformers 如何训练与微调多向量检索模型
Sentence Transformers v6.0 新增 MultiVectorEncoder 模型类型并提供完整的延迟交互多向量模型训练方案。在单张 RTX 3090 上耗时 14.5 小时完成 100 万条医学问答对微调后，所得模型在 MIRIAD 医学检索评测中取得 0.9139 NDCG@10，表现优于参评的零样本稠密与多向量模型。
推荐理由：原文给出了长文档多向量检索模型的单卡微调全流程，并量化对比了解除长度截断与索引压缩对检索精度的影响。