标签
OpenCollider的研究人员展示了上下文工程技术可以提高原创性，现在GBrain利用嵌入向量，通过其'brainstorm'和'brainstorm with lsd mode'功能帮助用户找到反主流想法。
本文介绍了一种基于知识的方法，利用知识图谱嵌入，通过预测上下文表示与质量规则之间的缺失边来自动评估大数据质量，优于传统的匹配方法。
关于AI记忆系统的一个关键观察：当模型被替换时，与嵌入模型绑定的可信度分数会失效，而由于嵌入向量发生变化，重新校准也变得毫无意义。作者质疑是否有人在不重建信任逻辑的情况下解决了这个问题。
Witchcraft 是一个用 Rust 对斯坦福大学 XTR-Warp 语义搜索引擎进行的开源重新实现，使用 SQLite 实现快速本地搜索。它包含 Pickbrain CLI，用于索引代码会话记录，并为 AI 代理配备全局记忆。
IBM发布Granite Embedding Multilingual R2，这是一系列基于Apache 2.0的开源多语言嵌入模型，包含一个紧凑的97M参数模型，实现了参数量低于1亿的同类最佳检索质量，以及一个采用Matryoshka嵌入的311M参数模型，两者均支持32K上下文和200多种语言。
本文引入了层表示动力学（LRD），这是一个包含三个测量家族的框架，用于分析语言模型中各层隐藏状态的变化。应用于30个MTEB任务上的31个模型，LRD揭示了架构差异，并实现了无标签模型选择和推理时层剪枝。
本文介绍了一种新的 embedding 模型，旨在捕捉偏好相似性，而不仅仅是语义相似性，从而提高了集体决策系统中的偏好预测能力。
作者分享了用于智能体记忆的 Python 库 memweave 的基准测试结果，该库仅使用本地嵌入且无需调用 LLM，便在 LongMemEval-S 上实现了 98% 的 Recall@5。本文详细介绍了实现方法，并与 mempalace 进行了性能对比，突出了其在不同问题类型上稳定的检索表现。
本文批评了自然语言处理（NLP）中的“代理预设”，即错误地将几何嵌入属性与社会构念等同起来。文章提出了结构效度协议（Construct Validity Protocol）和反事实中立化（Counterfactual Neutralization）方法，以确保对源自语义嵌入的社会测量进行严格的验证。
本文介绍了 ProtSent，这是一个用于蛋白质语言模型的对比微调框架，能够提升嵌入质量，从而优化远程同源性检测和结构检索等下游任务。
介绍了 MulTaBench，一个包含40个数据集的基准测试，用于文本和图像模态的多模态表格学习。实验表明，任务特定的嵌入调优优于冻结的预训练嵌入，特别是在模态提供互补预测信号时。
本文重点介绍了 Johnson-Lindenstrauss 引理，解释了其在帮助机器学习工程师理解降维、随机投影和嵌入效率方面的重要性。
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。