Cohere Embed 5 首个采用 RCP-nDCG@10 评测的模型系列
Cohere 的 Embed 5 成为首个采用 RCP-nDCG@10 评测的模型系列，这是其最新评测方法，旨在改进对真实检索质量的评估。该系列基准测试结果因此呈现不同面貌。
#RAG
#RAG
X：Cohere（@cohere）AI 评分 X：Cohere（@cohere）AI 评分 Cohere 用 RCP-nDCG@10 评估 Embed 5，并将举办检索主题 webinar
Cohere 的 Embed 5 成为首个采用 RCP-nDCG@10 评估的模型家族，该新方法用于改进真实场景检索质量评估。传统 nDCG 只计算已在基准答案集中的结果，RCP-nDCG@10 则按每条结果的实际相关性打分，结果由人工评审和 MTEB 支撑。
AWS Machine Learning BlogAI 评分 用 Amazon Quick 与 Adjudicated Query 模式批量审查数千份租约合规性
AWS 提出 Adjudicated Query 设计模式，让业务用户在 Amazon Quick 聊天界面提问合规问题，实际判定交由确定性规则引擎完成，模型只负责把自然语言翻译成固定类型操作并叙述结果。
Hugging Face BlogAI 评分 Ai2 开源科学报告生成模型 AstaBrief 8B
Ai2 开源 AstaBrief 8B，一个把研究问题和检索到的文献片段转成带引用报告的模型，基于 Qwen3-8B 经 SFT 和 DPO 训练，权重与训练数据一并开放。
AWS Machine Learning BlogAI 评分 用 Amazon Bedrock Knowledge Bases 以自然语言查询理赔数据
Amazon Bedrock Knowledge Bases 可通过 AgenticRetrieveStream API 用自然语言查询理赔文档并返回带引用的答案。
X：Cohere（@cohere）AI 评分 Cohere embed5 发布：主打多语言检索与隐私保护
Cohere Embeddings 团队推出 embed5 模型，通过新的训练与评估技术，不仅能检索相关结果，还能找出最符合人类偏好的文档。该模型重点强化多语言能力，并带来大幅吞吐量提升，可扩展至任意数据规模，同时强调用户数据始终私密。
X：Cohere（@cohere）AI 评分 Cohere 发布 Embed 5 系列嵌入模型：Embed 5 Pro 与 Embed 5 Fast
Cohere 推出 Embed 5 系列嵌入模型，含 Embed 5 Pro 与 Embed 5 Fast 两款。Embed 5 Pro 在 ViDoRe V3 上取得所测模型最高平均分，超过 Voyage 4 Large、Gemini Embedding 2 和 Jina Embeddings v5，训练覆盖 100 多种语言。
X：Cohere（@cohere）AI 评分 Cohere Embed 5 上线 API、Model Vault、Microsoft Foundry 与 Amazon SageMaker
Cohere Embed 5 现已通过 Cohere API、Model Vault、Microsoft Foundry 和 Amazon SageMaker 提供，也可直接在 North 中使用。Embed 5 的 Pro 与 Fast 两个版本共享同一嵌入空间，可用其中一个建索引、另一个检索，同时保持性能。
X：Cohere（@cohere）AI 评分 Cohere 发布 Embed 5 系列嵌入模型，含 Pro 与 Fast 两档
Cohere 发布 Embed 5 系列嵌入模型，分为 Embed 5 Pro 和 Embed 5 Fast 两档。Embed 5 Pro 在 ViDoRe V3 上取得所测模型的最高平均分，超过 Voyage 4 Large、Gemini Embedding 2 和 Jina Embeddings v5，并支持图像检索、解析后的 PDF 以及 100 多种语言训练。
AWS Machine Learning BlogAI 评分 用 Amazon Quick 和 Amazon Bedrock AgentCore 构建 AI 合同智能平台
基于 Amazon Quick 与 Amazon Bedrock AgentCore 的合同智能平台，用 AI 智能体从合同 PDF 中提取八个关键字段，并由独立的验证智能体复核，签名识别分歧时由 Amazon Textract 作为确定性裁决。
AWS Machine Learning BlogAI 评分 Condé Nast 如何用 Amazon Bedrock 构建多模态视频检索
Condé Nast 联合 AWS 生成式 AI 创新中心，基于 Amazon Bedrock 和 Amazon OpenSearch Service 构建多模态视频检索方案，将单次内容检索耗时从 250 分钟降至 2 分钟以内。该方案采用 TwelveLabs Marengo 嵌入模型，对视频转录文本、画面和音频联合编码，支持自然语言意图搜索、以图搜视频和时间戳定位，覆盖超 14 万条视频库。
X：Gemini Notebook (@Gemini_Notebook)AI 评分 Gemini Notebook 接入 Google Docs：可将笔记本作为上下文来源
Gemini Notebook 现可在 Google Docs 中作为上下文来源上传和引用，用户能把 Notebook 中的深度研究内容与邮件、聊天、文件等其他来源结合，直接在草稿中个性化写作流程。该功能由 Workspace Intelligence 提供支持。
GitHub Blog · AI & MLAI 评分 GitHub Podcast 拆解五大 AI 热梗：该不该读 AI 代码、RAG 已死、Skills 杀死 MCP？
GitHub Podcast 最新一期逐条拆解了五个 AI 热梗：AI 生成的代码仍需人来负责，只是审查力度应按风险分级；Skills 与 MCP 解决的是不同问题，前者是打包好的经验，后者是连接工具与数据的标准；RAG 并未消亡，它让模型从训练数据之外获取文档、内部知识和代码库上下文，检索不佳会浪费 token、拖慢速度并增加答案不完整的概率。
Google ResearchAI 评分 Google Research 提出 Retrieve-for-Train：用 RL 编译扩散模型绕过推理瓶颈，加速复杂 AI 搜索
Google Research 提出 Retrieve-for-Train 框架，通过离线强化学习发现奖励对齐的查询扇出并编译为监督信号，再蒸馏进一个 53.9M 参数的扩散检索器，实现推理时单次非自回归的查询扇出。
Hugging Face BlogAI 评分 Hugging Face 推出 NeoMME：高效多模态多语言编码器
Hugging Face 发布 NeoMME 系列多语言多模态编码器，含 260M 和 800M 两个版本，用单个双向 Transformer 直接处理文本 token 与原始图像 patch，无需独立视觉塔或因果语言模型，并以掩码离散扩散目标从零训练。
OpenAI NewsAI 评分 医疗机构现可将 EHR 及行业数据接入 ChatGPT
OpenAI 宣布医疗机构可将 EHR 及更多行业数据接入 ChatGPT，让临床医生安全获取患者背景信息与医学研究资料。ChatGPT 由此可连接可信医疗数据，用于临床场景中的信息调取。
X：Gemini Notebook (@Gemini_Notebook)AI 评分 Google 推出 Expert Intelligence 计划，将图书等可信来源引入 Gemini Notebook
Google 面向全公司推出 Expert Intelligence 计划，将可信来源（首批为图书）引入 Gemini Notebook 等产品。该计划与 Penguin Random House、Bloomsbury 等出版商及多位作者合作推进。
X：Gemini Notebook (@Gemini_Notebook)AI 评分 Google 推出 Expert Intelligence，Gemini Notebook 可接入 Google Play 电子书
Google 推出跨部门项目 Expert Intelligence，首个落地场景是 Gemini Notebook 接入符合条件的 Google Play 电子书。用户可将喜爱作者的专业内容与其他来源结合，以全新方式与书籍互动。该功能已开放试用。
Hugging Face BlogAI 评分 用 Sentence Transformers 训练与微调多向量嵌入模型
Sentence Transformers v6.0 新增 MultiVectorEncoder 模型类型，支持 ColBERT 式后期交互检索及其完整训练流程。
Hugging Face BlogAI 评分 Hugging Face Inference Endpoints、Jobs 与 Buckets 如何支撑 Papers with Code 的搜索
Papers with Code 的混合搜索系统用 Hugging Face Jobs 做全量论文嵌入、Storage Buckets 做持久化中转、Inference Endpoints 提供在线查询的低延迟嵌入，目前维护超过 11 万篇来自 arXiv 和 Daily Papers 的论文嵌入。
Mistral AI精选AI 评分 Mistral 发布 Agentic Search，FinanceBench 正确率从 26.7% 升至 86%
Mistral 发布 Agentic Search，一种面向企业复杂文档的多步检索层，通过 Mistral Search Toolkit 提供，并内置于 Studio 和 Vibe 的 Libraries 中。
推荐理由：原文给出多步检索循环的工具设计与两组基准数字，读者可据此判断它相对一次性 RAG 的取舍。
Hugging Face Blog精选AI 评分 Sentence Transformers v6.0 新增 MultiVectorEncoder，支持 ColBERT 式后期交互检索
Sentence Transformers v6.0 新增第四种模型类型 MultiVectorEncoder，用于 ColBERT 式后期交互检索，PyLate、Stanford-NLP ColBERT 检查点可直接加载，colpali-engine 的视觉文档检索模型也可通过同一 API 使用。
推荐理由：原文给出多向量编码器的加载、打分与索引接入方式，读者可据此判断现有检索栈的改造量。
Hugging Face Blog精选AI 评分 JetBrains 发布 12B MoE 模型 Mellum2，Apache 2.0 开源
JetBrains 发布 Mellum2，一个从零训练、覆盖自然语言与代码的 12B 参数 MoE 模型，每个 token 仅激活 2.5B 参数，以 Apache 2.0 许可开源。官方称其在相近规模模型中基准表现有竞争力，推理速度超过 2 倍，可用于路由、RAG、摘要、子智能体和高吞吐编码场景。模型已在 Hugging Face 提供下载，技术报告发布在 arXiv（2605.31268）。
推荐理由：JetBrains 开源 12B MoE 模型，每 token 仅激活 2.5B 参数，读者可据此判断它在多模型系统中的定位。
Hugging Face BlogAI 评分 Hugging Face 发布 Ettin Reranker 系列：六款 CrossEncoder 重排模型
Hugging Face 发布 Ettin Reranker 系列六款 Sentence Transformers CrossEncoder 重排模型，参数规模从 17m 到 1b，均基于 Ettin ModernBERT 编码器，并开源训练数据与完整训练配方。
Hugging Face BlogAI 评分 PaddleOCR 3.5 发布：支持 Transformers 作为推理后端
PaddleOCR 3.5 支持通过设置 engine="transformers" 将 Hugging Face Transformers 作为推理后端运行 PP-OCRv5、PaddleOCR-VL 1.5 等模型。
Hugging Face BlogAI 评分 IBM 发布 Granite Embedding Multilingual R2：97M 与 311M 两款 Apache 2.0 多语言嵌入模型
IBM 在 Hugging Face 发布 Granite Embedding Multilingual R2 系列两款 Apache 2.0 多语言嵌入模型，均基于 ModernBERT，支持 200+ 语言、32K token 上下文（较 R1 提升 64 倍）并新增 9 种编程语言的代码检索。