GPT Researcher 弃用 embeddings 实测：上下文相关性提升 59%
hwchase17 · x · 2026-09-28
- GPT Researcher 团队在 RAG 管线中用 LLM（Jev）替换传统 embeddings，并在 SimpleQA 与开放式研究任务共 28 个任务上对比测试。
- 结果：相关上下文多出 59%（73% vs 46%）；盲测中 15:3 被偏好；单份报告成本持平。GPT Researcher 现已默认不再依赖 embeddings。
- 团队称 LangChain + Tavily + LLM 即可搭建完整 RAG 系统，仓库与实验报告均已开源。
- LangChain 创始人 Harrison Chase 转发了这一结果，表示意外。
「编程与Agent」频道最新
- OpenAI 总裁 Brockman 提示法推出 Agent 时代更新版 — kimmonismus · 2026-09-28
- 乔木剪辑 Skill 开源：一句话让 Agent 剪出成片级视频 — vista8 · 2026-09-28
- 数百万页井数据 OCR 后交给 agent 检索，勘探省下 40 小时 — oilmutt · 2026-09-28
- Muse 被称「最易魔改的 AI OS」：连 Docker 造工具还能拍电影 — NathanWilbanks_ · 2026-09-28
- 开源 macOS 小工具:一键切换浏览器,隔离 AI Agent 测试会话 — sormagec · 2026-09-28
- Google Antigravity 原生支持 agent 间消息与用户私聊 agent — rseroter · 2026-09-28