DeepLearning.AI 发布智能体研究模型与框架 AREX
DeepLearning.AI 发布智能体研究模型与配套框架 AREX，它会逐条要求核验答案，保留已验证部分，只针对缺口继续研究。AREX 在 BrowseComp 上取得 82.5%，在 WideSearch-en 上 F1 为 82.0；仅使用该框架最多可提升 10 分，微调后的 4B 模型在 6 项基准中的 5 项上优于未微调的 35B 模型。
#搜索
#搜索
今日 0 条DeepLearning.AI(@DeepLearningAI)AI 评估 · 51/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 51/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。
Perplexity(@perplexity_ai)AI 评估 · 29/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 29/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 9B 与 0.6B 模型在 Q2D-Web 检索基准上超越 nemotron-embed-8b
在 Q2D-Web 上，约 7 万条生产环境搜索查询、覆盖 1.9 亿篇网页文档的条件下，9B 和 0.6B 模型分别达到 74.8% 和 73.6% 的 Recall @1000，高于 nemotron-embed-8b 的 69.3%。
Perplexity(@perplexity_ai)AI 评估 · 44/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 44/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Perplexity 发布 pplx-embed-v2-late 多模态嵌入模型，已上 Hugging Face
Perplexity 发布 pplx-embed-v2-late，包含两个 late-interaction 嵌入模型，可在共享嵌入空间中检索文本、图像和页面，支持跨模态查询。两个模型均达到前沿性能，并已在 Hugging Face 公开提供。
小红书技术REDtechAI 评估 · 66/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 66/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 小红书 AllSpark 发布开源 Search Agent Iris，35B 版本逼近万亿参数模型
小红书 AllSpark 团队发布 Search Agent Iris，权重与评测代码已开源，并计划陆续公布数据与训练完整配方。
ChatGPT(@ChatGPTapp)AI 评估 · 62/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 62/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 ChatGPT 官方称 GPT-6 Astra 在电脑操作、浏览与智能体编码等六项能力上达到 SOTA
ChatGPT 官方账号称 GPT-6 Astra 在六项能力上达到 state-of-the-art，分别是电脑操作、浏览、智能体编码、网络安全、科学和专业工作。该推文未给出具体的评测基准名称、分数或模型开放时间。
Jina AI(@JinaAI_)AI 评估 · 39/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 39/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Jina AI 发布 jina-reranker-v3.5：0.6B 列表式重排序模型，BEIR nDCG@10 达 63.20
Jina AI 发布 jina-reranker-v3.5，这是一个 0.6B 的列表式重排序模型，改进了 v3 的交互方式，速度更快，并针对企业搜索数据做了优化。它在 BEIR 上取得 63.20 nDCG@10，以约 7 倍更少的参数超过 Qwen3-Reranker-4B。
DeepSeek(@deepseek_ai)AI 评估 · 58/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 58/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 DeepSeek 发布 DeepSeek-V3.1-Terminus 更新
DeepSeek 在 V3.1 基础上发布 DeepSeek-V3.1-Terminus，针对用户反馈做出改进。此次更新提升语言一致性，减少中英文混杂与随机字符；同时增强 Code Agent 和 Search Agent 表现。