Hugging Face 以 Inference Endpoints、Jobs 和 Storage Buckets 建立 Papers with Code 混合搜尋系統，為來自 arXiv 和 Daily Papers 的超過 110,000 篇論文維護嵌入向量。
推薦理由：文章拆解離線批次建向量與線上查詢的分工，並説明端點冷啟動時如何回退全文檢索，呈現混合搜尋進入生產環境的工程取捨。
Mistral 推出 Agentic Search，讓模型透過多步檢索搜尋、查看、導覽及核實複雜文件中的資料。在 FinanceBench 金融文件測試中，正確率由 26.7% 升至 86%；OfficeQA Pro 表格密集的多文件問題則由 6.3% 升至 51.9%。
推薦理由：FinanceBench 和 OfficeQA Pro 的基準數據呈現 Agentic Search 相較單次 RAG 的準確率提升，也量化延遲與 token 使用量變化。
Sentence Transformers v6.0 新增 MultiVectorEncoder，支援 ColBERT 式多向量檢索。文中示範載入 PyLate 與 Stanford-NLP ColBERT checkpoint、接入檢索索引，以及以同一 API 執行 ColPali 視覺文件檢索。
推薦理由：文章對照 LateOn 與 DenseOn 在 NanoBEIR 13 個資料集的結果，並以索引體積數據呈現多向量檢索表現與儲存成本的取捨。
Mistral AI 發佈開源 Search Toolkit 公開預覽版，將資料匯入、檢索與評估整合為共享介面的 AI 搜索框架。它內置 BM25 稀疏檢索、基於嵌入向量的密集檢索及混合檢索，並提供 recall、precision、MRR 和 NDCG 指標，可在自有測試集評估。框架可在雲端、本地部署及邊緣環境運行，並提供 starter app template。
Hugging Face 發佈六款基於 Ettin ModernBERT encoder 的 Sentence Transformers CrossEncoder reranker，參數規模由 17.6M 至 1.00B，並公開訓練數據及完整訓練方案。
推薦理由：文章以 MTEB(eng, v2) Retrieval、NanoBEIR 及多種硬件吞吐測試比較六種尺寸，呈現 Ettin Reranker 在排序品質與速度間的取捨。
IBM Granite 發佈兩款採 Apache 2.0 授權的多語嵌入模型：97M 參數的 granite-embedding-97m-multilingual-r2 和 311M 參數的 granite-embedding-311m-multilingual-r2。
推薦理由：文章提供 97M 與 311M 版本在多語檢索、長文及程式碼基準的比較，並交代 Matryoshka 維度選項對儲存與部署取捨的影響。
ChatGPT 可結合搜尋與 deep research 協助使用者進行研究，查找最新資訊、分析來源，並生成結構化洞見。
Sentence Transformers v5.4 的同一 API 現可編碼並比較文字、圖像、音訊和影片，文章示範其多模態嵌入與 reranker 用法。嵌入模型將不同模態映射至共享嵌入空間；預訓練多模態 reranker 目前主要處理文字與圖像配對。示例涵蓋跨模態檢索、混合模態文件重排及先檢索再重排流程，並列出輸入格式、支援模型和安裝依賴。
推薦理由：文章展示 Sentence Transformers v5.4 的跨模態檢索與 reranker 重排流程，並整理支援模型和輸入格式，提供實作參考。
OpenAI 發佈 GPT-5.4，並稱其為面向專業工作的能力最強、效率最高的前沿模型。該模型具備最先進的編碼、電腦操作和工具搜索能力，並有 1M-token 上下文窗口。
Indeed CRO Maggie Hulce 分享 AI 如何改變求職、招聘及人才招募，內容涵蓋僱主與求職者。
ServiceNow 擴大對 OpenAI 前沿模型的存取，藉此支援 ServiceNow Platform 上的 AI 驅動企業功能。支援範圍包括企業工作流程、摘要、搜尋及語音。
Google DeepMind 與 Kaggle 推出 FACTS Benchmark Suite，透過四項基準評估大語言模型的事實準確性。套件包含更新版 Grounding Benchmark - v2，以及 Parametric、Search、Multimodal 三項基準，並公開提供 3,513 個例子；Kaggle 管理私有保留集並維護公開排行榜。
MCP 讓 AI 智能體透過自然語言使用研究工具，跨 arXiv、GitHub 與 Hugging Face 搜尋論文、程式碼、模型及資料集並交叉查證。Hugging Face 的 Research Tracker MCP 可從 MCP Settings 加入，並按 Claude Desktop、Cursor、Claude Code 或 VS Code 的指引完成設定。
Mistral AI 發佈 Codestral 25.08，並推出整合程式碼補全、語意檢索、Devstral 智能體工作流及 Mistral Code IDE 外掛的企業編碼技術棧。
推薦理由：文章把 Codestral 25.08、程式碼檢索、Devstral 智能體工作流與 IDE 管理整合為企業方案，並交代部署選項及安全治理設計。
Hugging Face Blog 示範如何使用 Sentence Transformers 訓練及微調稀疏嵌入模型，介紹 SPLADE、Inference-free SPLADE、CSR 架構，以及資料、損失函數、評估器和訓練器的配置。
推薦理由：文章按 SPLADE、Inference-free SPLADE 與 CSR 的適用情境梳理架構選擇，並以實作例子串連資料、損失函數和評估器配置。
《華盛頓郵報》與 OpenAI 合作，將新聞內容整合至 ChatGPT。用户可在 ChatGPT 中獲得相關內容的摘要、引文，以及指向原始報道的直接連結。
BrowseComp 是一項面向瀏覽智能體的基準測試。
Booking.com 整合自身數據系統與 OpenAI 的大語言模型，提供更智能的搜尋、更快捷的支援，以及以意圖為導向的旅遊體驗。
Hugging Face Blog 公開兩款靜態嵌入模型，稱其 CPU 推理比常見嵌入模型快 100 至 400 倍，且多項基準保留至少 85% 表現。
推薦理由：文章公開兩款模型的訓練配方與資料集，並以 NanoBEIR 結果呈現靜態嵌入模型在 CPU 速度與檢索品質間的取捨。
Mistral AI 為 le Chat 推出多項免費 beta 更新，新增網頁搜尋、Canvas、文件與圖像理解、圖像生成及智能體功能。文件與圖像理解由 Pixtral Large 與一款實驗模型支援，圖像生成則採用 Black Forest Labs 的 Flux Pro。新功能將於未來數週逐步推出。
推薦理由：網頁搜尋、Canvas、文件與圖像理解、圖像生成及可分享智能體同列免費 beta，呈現 le Chat 將對話延伸至知識工作多個環節的產品方向。
OpenAI 推出 ChatGPT search，提供快速、及時的答案，並附上相關網頁來源連結。
推薦理由：ChatGPT search 提供快速、及時的答案並附相關網頁來源連結，材料呈現了它的核心搜尋回答形式。
Hugging Face 介紹 Daily Papers 頁面的功能，包括認領論文、提交社羣推薦論文、與作者討論，以及查看相關模型、數據集和示範。過去一年，Daily Papers 收錄超過 3,700 篇論文，訂閲者超過 12k；只有已認領論文的用户可提交論文，留言支援多種語言並提供內置翻譯。用户可在評論區輸入 @librarian-bot 獲推薦相關論文，亦可訂閲每日更新（週末除外）。
Hugging Face Blog 介紹 Hugging Face Hub 上 5 項常被忽略的工具，並以 Reddit 資料展示自動更新的視覺化語義搜尋流程。
推薦理由：文章以每日更新的 Reddit 資料為例，拆解 Hugging Face Hub 五項工具如何協作，從資料抓取、嵌入向量處理與事件觸發，直到視覺化語義搜尋。
OpenAI 正測試 SearchGPT，作為全新 AI 搜尋功能的臨時原型。它提供快速、即時的答案，並附上清晰且相關的來源。
Hugging Face 宣佈為 Dataset Search 加入四項功能，支援按資料模態、行數、格式及相容 library 篩選資料集。行數可設定最低和最高值；對於 metadata 未列出行數的超大型資料集，系統會根據前 5GB 內容估算總行數。新篩選條件可與 Language、Tasks、Licenses 及文字搜尋組合使用。
Hugging Face Blog 介紹 Matryoshka Embedding 模型的訓練與使用方法，並比較向量截短後與一般嵌入模型的表現。
推薦理由：文章把 Sentence Transformers 訓練方式與 STSBenchmark 實測相連，量化向量縮至原大小 8.3% 後仍保留 98.37% 表現。
Hugging Face Blog 示範如何使用 Transformers 和 Datasets 建立影像相似度檢索系統，透過模型產生嵌入向量並按餘弦相似度排序候選影像。
作者以 Sentence Transformers 和 Gradio 構建歌單生成器，透過對歌詞嵌入向量進行語義搜索，按文字提示找出相關歌曲。由於所選模型的最大序列長度為 512 word pieces，歌曲歌詞先按 verse 切分並逐段嵌入；設置 top_k=20 時，作者實測幾乎總能得到至少 9 首不同歌曲。
這篇入門指南以 Sentence Transformers 為例，介紹初學者如何理解文本嵌入向量與語義搜尋，並規劃首個自主機器學習項目。文章建議先盤點工具能力、挑選感興趣的資料集，再配合一項熟悉的輔助工具構思項目。
Hugging Face Blog 以 Medicare FAQ 示範語義搜尋流程，使用 Inference API 生成嵌入向量，再以使用者查詢比對相似 FAQ。示範選用 sentence-transformers/all-MiniLM-L6-v2 將 13 條 FAQ 編碼為 384 維向量，並把向量資料集上載至 Hub，以餘弦相似度找出最相近的 5 條 FAQ。
🤗 datasets 教程示範為 10,000 張來自 British Library 數碼化書籍的插圖建立文字搜圖流程。作者使用 sentence_transformers 的 CLIP 將圖片和文字提示詞轉成嵌入向量，再以 FAISS 檢索相似圖片；完整數據集網址為 https://doi.org/10.21250/db17。
OpenAI 在 API 新增嵌入向量端點，支援自然語言與程式碼任務。端點可用於語義搜尋、聚類、主題建模和分類。
推薦理由：新端點涵蓋語義搜尋、聚類、主題建模與分類，呈現嵌入向量在自然語言及程式碼任務中的應用範圍。
OpenAI 微調 GPT-3，讓它透過文字式網頁瀏覽器更準確地回答開放式問題。
Hugging Face Hub 為 Sentence Transformers 推出特徵擷取與句子相似度兩款小工具，並提供 Inference API 端點供程式調用模型。Hub 收錄超過 90 個預訓練 Sentence Transformers 模型，涵蓋超過 100 種語言，使用者可直接載入使用。
推薦理由：文章梳理 Sentence Transformers 模型接入 Hugging Face Hub 的分享與使用流程，涵蓋自動生成模型卡、互動小工具及 Inference API，並交代模型在 Hub 上的展示、調用與發現方式。