Q2D-Web 技术细节:三套相关性标注降低假阴性
perplexity_ai · x · 2026-09-10
Perplexity 补充 Q2D-Web 基准的方法细节:基准结合 agent 引用、生产环境网页排名和 LLM 判定扩充三套相关性集合,以减少假阴性和对单一标注管线的依赖,并检验相关性定义本身如何影响模型表现。
语料构建上,每个 query 取生产环境 top 5000 检索结果,用 MinHash-LSH 去重;每篇文档都至少是某个 query 的合理匹配,并特意加入「主题相关但缺失关键日期/实体/版本」的高难度干扰文档。
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