标签: Google

AlloyDB ScaNN 如何将向量搜索扩展到 100 亿向量

AlloyDB ScaNN 如何将向量搜索扩展到 100 亿向量

Google Cloud 宣布其托管数据库 AlloyDB 的 ScaNN 向量索引通过引入四层树架构,将向量检索规模提升至 100 亿级别,实测 p95 延迟不超过 51 毫秒、召回率达到 95%。这意味着企业级 AI 应用在处理超大规模向量数据时,有了更明确的数据库层解决方案。

用 Search 提升学习的 5 种新方法

用 Search 提升学习的 5 种新方法

Google 在 Search 中推出了五项基于生成式 AI 的新学习功能,包括交互式可视化、定制测验、Lens 解题指导和笔记本整合,试图将 AI 能力从“检索答案”推进到“辅助理解与备考”的完整学习闭环。

LLM时代的可扩展软件

LLM时代的可扩展软件

Hacker News 上围绕 Cloudflare 新发布的“Agent OS”(或称 AI OS)展开了一场争论,核心分歧在于:这类产品究竟是真正的操作系统,还是只是套用了“OS”名号的 Agent 工作台;同时,开发者们开始认真讨论 LLM 生成代码后留下的“烂摊子”由谁来收拾。

AI SEO 完全指南:3个月从零到460万次展示

AI SEO 完全指南:3个月从零到460万次展示

Trace Cohen 开源了他在 ValueAddVC.com 上使用的整套 AI SEO 系统,用多模型智能体和 Google Search Console 数据反馈循环,三个月内把网站月展示量从 60.4 万拉到 462 万。这不是一份提示词合集,而是一套包含脚本、质量门禁和部署流程的可复现基建。

第二期 小路和你读AI论文。本期五篇。 如果时间不多,建议读第四篇最有意思 也最有启发: 来自蚂蚁集团的《借助围棋死活题探测大语言模型推理中的搜索效率》 今天除了”Agent 技能/记忆持久化安全隐患”这条线之外,还有一类工作挺有意思:用大规模受控实验去戳破业界的一些直觉判断,比如”LLM 能不能取代 embedding 模型””CoT 越长是不是推理越好”。 1. The Embedder’s Dilemma: LLMs Are B…

第二期 小路和你读AI论文。本期五篇。 如果时间不多,建议读第四篇最有意思 也最有启发: 来自蚂蚁集团的《借助围棋死活题探测大语言模型推理中的搜索效率》 今天除了"Agent 技能/记忆持久化安全隐患"这条线之外,还有一类工作挺有意思:用大规模受控实验去戳破业界的一些直觉判断,比如"LLM 能不能取代 embedding 模型""CoT 越长是不是推理越好"。 1. The Embedder's Dilemma: LLMs Are B…

本期五篇论文集中挑战了两个业内直觉:LLM 并不天然适合替代 embedding 模型;CoT 越长也不代表推理更好。其中蚂蚁集团的围棋死活题测评(TsuGO)最值得一读,它给“推理能力评估”提供了一个新维度。