跳到正文
#RAG
  1. Google DeepMind76

    EmbeddingGemma 2 发布：开源轻量级多模态嵌入模型

    Google DeepMind 发布 EmbeddingGemma 2，一个基于 Gemma 4 架构、740M 参数的开源轻量级多模态嵌入模型，采用 Apache 2.0 许可，可将文本、图像、音频和视频统一映射到同一嵌入空间。

    推荐理由：原文给出了参数量、模态拆分与量化后的内存占用，便于读者判断它能否直接落到自家端侧检索链路中。

  1. Hugging Face Blog66

    Ai2 开源 AstaBrief 8B，Asta 平台的快速报告生成模型

    Ai2 开源 AstaBrief 8B，它把研究问题与检索到的文献片段直接转成带引用的报告，训练数据一并开放。模型基于 Qwen3-8B，用 SFT 加 DPO 训练；在 Asta 的 Fast mode 下平均 51.1 秒生成一份报告，约为 Claude 驱动的 Thinking mode（178.5 秒）速度的 3.5 倍。

    推荐理由：原文给出一条可迁移的训练经验，用引用密度这一简单信号过滤合成数据，比更复杂的过滤组合更有效。

  1. Mistral AI71

    Mistral AI 发布 Agentic Search：为 AI 系统提供更准确高效的检索结果

    Mistral AI 发布 Agentic Search 检索层，以多步检索循环让模型在复杂文档中查找、检视并验证信息，在 FinanceBench 上将正确率从 26.7% 提升至 86%，在 OfficeQA Pro 上从 6.3% 升至 51.9%，p90 延迟最高降低 39.6%，token 消耗最多减少三分之一。

    推荐理由：原文用两组基准给出 Agentic Search 相对一次式 RAG 的准确率、token 与延迟对比，可据此判断多步检索循环的收益边界。

已经到底了