Perplexity 发布 Q2D-Web:首个面向 agentic RAG 的检索评测基准
perplexity_ai · x · 2026-09-10
Perplexity 推出 Q2D-Web(Query2Doc-Web),一个评测 agentic RAG 系统检索质量的公开基准和排行榜,重点测试 embedding 模型在处理 agent 重新表述的搜索查询时的大规模网络检索表现。
关键细节:
- 语料库:每个 query 取生产环境 top 5000 检索结果,用 MinHash-LSH 去重,每篇文档至少与一个 query 似然匹配,并包含「主题吻合但缺失关键日期/实体/版本」的高难度干扰项
- 相关性标注:结合 agent 引用、生产环境排名与 LLM 判定扩充的三套相关性集合,降低假阴性和对单一标注管线的依赖
- 覆盖编程、法律、健康、科学、金融及消费、旅行、娱乐、本地信息等九大领域,查询横跨 10 种语言(英语占 65.8%)
所属事件:Perplexity 开源 Q2D-Web 智能体检索基准(6 条相关)→
「研究」频道最新
- VisionCoach:用 RL 奖励正确视觉注意力,刷新视频推理零样本成绩 — mohitban47 · 2026-09-10
- 开发者用数百个 AI Agent 并行攻关,瞄准 1 型糖尿病治愈 — Scobleizer · 2026-09-10
- 用朗道力学写学习动力学：物理学家把「物理的乐趣」带回 AI 研究 — Hidenori8Tanaka · 2026-09-10
- UCL 剑桥牛津等联合成立 SOFAIR,主打「Science for AI」路线 — latticecut · 2026-09-10
- 物理学家押注:类朗道理论可理解 Agent 集群行为 — Hidenori8Tanaka · 2026-09-10
- 果蝇大脑被接上beat saber,神经科学圈直呼没想到 — giannis_daras · 2026-09-10