Perplexity 发布上下文 embedding 模型,新训练法刷新 SOTA
antoine_chaffin · x · 2026-10-01
Perplexity 研究员 Antoine Chaffin 宣布发布其上下文 embedding 模型的 preview 版本,并提出一种新训练方法。上下文模型(contextual models)是解决 RAG 中 chunking(文本切块)问题的方案,通过让 embedding 感知查询上下文而非孤立编码文本块来提升检索质量。新方法在包括 turbopuffer 新基准在内的多项评测中取得 SOTA 结果。帖子还讨论了如何训练这类上下文模型,技术细节见其博客。
所属事件:Perplexity 发布上下文嵌入模型预览版,登顶 ConTEB(5 条相关)→
「研究」频道最新
- NLP 学者 Nakov:LLM 生成的论文读起来像意大利语空话「supercazzola」 — preslav_nakov · 2026-11-16
- ICLR 审稿人未被打动仍提分:因相信论文对社区有价值 — MarkSchmidtUBC · 2026-11-16
- 手改0.2%权重加CPU训练100分钟,英语TTS模型变身18MB梵语语音 — kastnerkyle · 2026-11-16
- 为什么 AI 做化学必须懂手性:对映异构体在生物体内并不等价 — madeofAjala · 2026-11-16
- RSS 2027 投稿开启:两阶段评审 FAQ 澄清负面结果标准 — GeorgiaChal · 2026-11-16
- Mobile AI Factory:agent 自动为你的手机造专用小模型,GPU 时间省 19 倍 — pmttyji · 2026-11-16