标签
Caliby 是由 Sea-Land AI 与麻省理工学院 Michael Stonebraker 团队联合开发的开源嵌入式向量数据库，提供高性能向量检索能力（速度比 pgvector 快 4 倍），支持 HNSW、DiskANN 和 IVF+PQ 索引，专为 AI Agent 和 RAG 场景设计，只需通过 pip install 即可快速安装使用。
本文全面介绍了 AI 智能体记忆机制的技术原理，区分了工作记忆与长期记忆的实现方式，并探讨了上下文管理、基于嵌入的检索以及数据生命周期治理等关键策略。
本文介绍了 TabEmbed，这是一种用于表格数据的通用嵌入模型，统一了分类和检索任务，并介绍了 TabBench，这是一个用于评估表格理解能力的新基准。
用户在让 Google 的 Gemini 总结一篇关于 Google 新 Embedding 2 公告的博客文章后，注意到了其中的讽刺意味。
Google 正式发布 Gemini Embedding 2，单一模型即可将文本、图像、视频、音频和 PDF 嵌入到统一空间，支持 100 多种语言，无需音频转录。
HornetDev 团队发布文章，介绍在 1 亿级别数据下调优近似最近邻搜索，涵盖 embedding 偏差、图连通性与量化上限。
Zelma 是由布朗大学的 Emily Oster 博士及其团队与 Novy 合作开发的 GPT-4 驱动研究助手，它通过支持自然语言查询，使家长、教师、管理人员和政策制定者能够访问跨地区和人口统计的学生成绩标准化测试数据。
OpenAI 推出了新的嵌入 API 端点，可以将文本和代码转换为数值向量表示，用于语义搜索、聚类和分类任务。这些模型在标准基准测试上取得了最先进的效果，包括代码搜索性能相比之下提升了 20%。
# 通过对比预训练的文本和代码嵌入 源：[https://openai.com/index/text-and-code-embeddings-by-contrastive-pre-training/](https://openai.com/index/text-and-code-embeddings-by-contrastive-pre-training/) ## 摘要 文本嵌入是许多应用中的有用特征，例如语义搜索和计算文本相似性。以往的工作通常训练针对不同用例定制的模型，在数据集选择、训练目标和模型架构方面各不相同。在这
一个托管在 Replicate 上的基于 CLIP 的嵌入模型，使用 clip-vit-large-patch14 架构为图像和文本生成 768 维嵌入向量，每次运行费用约为 $0.00022。
一个在Replicate上的模型，输出文本和图像的CLIP ViT-L/14特征，支持输入间的相似度计算。