如何用 LiteParse 建立財務盡職調查 AI 智能體
這個示範應用以 LiteParse 建立財務盡職調查 AI 智能體,可匯入 SEC 申報文件、跨文件搜尋並回答問題,並在原始 PDF 頁面高亮精確引用位置。
這個示範應用以 LiteParse 建立財務盡職調查 AI 智能體,可匯入 SEC 申報文件、跨文件搜尋並回答問題,並在原始 PDF 頁面高亮精確引用位置。
MiniMax 發佈 M2.5 與 M2.5-Lightning,稱兩款模型在編碼、智能體工具調用、搜索及辦公任務達到 SOTA,M2.5 在 SWE-Bench Verified 得分 80.2%。
推薦理由:文中並列 SWE-Bench Verified 成績、不同腳手架的評測結果、執行時間與定價,方便比較 M2.5 的編碼表現和使用成本。
美國聯邦法官 Amit Mehta 駁回 Chegg 與 Penske Media 對 Google 提出的反壟斷訴訟,裁定 Google 在 AI 搜尋產品中的相關行為不違反反壟斷法。
研究提出選擇式結構化推理(SSR)框架,讓多模態智能體從預設推理候選中選擇,而非進行開放式生成。在七個多模態搜尋基準、2B 和 4B 模型上的評估中,SSR 的平均成功率與同等規模的領先搜尋智能體相若。它將每回合推理延遲降低超過 90%,每題模型推理總延遲降低 28-54%。
Google 正透過 AI 內容貢獻試點,向對 Gemini 搜尋結果有實質貢獻的網站付費,但參與者反映所得款項極少。據 The Information 報道,試點約有 100 家出版商;數家中小型出版商稱,所得款項約佔其廣告收入的 0.1%。數家較大型出版商據報拒絕參與,希望促使 Google 提供更優厚條件。
文章展示如何在 AlloyDB for PostgreSQL 中整合 TypeSafe AI 的 Jev 模型,直接對資料庫資料執行語義篩選與分類。作者以 PostgreSQL 陣列批次處理 50 筆商品,將多項模型評估合併成一次 HTTP 請求;測試耗時約 180 毫秒,逐行使用 Jev 約需 5,600 毫秒,預設模型約需 19,500 毫秒。
Meta 宣佈 Facebook 羣組專用應用程式 Forum 在美國 iOS 和 Android 平台開放下載,並介紹多項新功能。Ask 以 AI 突顯已加入及公開羣組中的既有貼文和留言,協助用戶查找基於真實經驗的討論,首頁亦會根據近期搜尋建議新問題。
EviAlign 將語義證據生成與邊界讀出結合於同一多模態大語言模型,把五個語義單元邊界的狀態聚合為單一正規化嵌入。受控研究顯示,一致的語義組織在證據邊界讀出下帶來 2.39 分優勢,較按長度設定訓練位置時的 0.65 分高出 1.74 分。EviAlign 使用 500K 訓練配對,在 12 項 MMEB 檢索任務取得 76.9 平均 Recall@1,並保留單向量索引及評分。
Conductor 0.87.5 現可在對話、新工作區和 Routines 的模型選擇器中搜尋所有可用模型。此版本亦更新了內置的 Codex 至 0.156.1。
向量搜尋已普遍成為現有資料庫的欄位類型,獨立向量資料庫的必要性下降,但大規模部署的主要成本仍是記憶體。HNSW 記憶體索引每個向量約需 1.1 × (4 × dimension + 8 × M) bytes;10M 個 1536 維 float32 向量僅向量本身約需 60 GB,尚未計入圖結構開銷。
Conductor 發佈 0.87.0,加入跨檔案搜尋,並將本機工作區隨附的 OpenCode 更新至 2.0.5。用戶可在本機或雲端工作區按 ⌘⇧F 搜尋檔案內容,並切換大小寫、完整字詞及正則表達式選項。例行程序可按 GitHub 觸發條件的標籤、作者及基礎分支篩選,並新增星期一至五的排程。
聯合國系統推出 UN System Data Commons,將分散的全球統計數據整合為可搜尋、適用於 AI 的知識圖譜。平台支援自然語言查詢,AI 智能體可提取官方數據並整理成圖表、資訊圖或報告草稿。聯合國系統計劃持續新增數據集,目標是在 2027 年前納入其統計數據集的 80%。
n8n 推出 Gateway credits,讓 n8n Cloud Starter 和 Pro 用戶以共享預付餘額使用支援的 AI 模型與服務,毋須另設供應商帳戶或 API key。
Cloudflare 於 2026年9月15日推出「Disallow AI Training」設定,讓網站拒絕內容用於 AI 訓練,同時保留符合 Accountable 分類的搜尋爬蟲存取。
Alibaba 的 Zvec 團隊於 2026 年 8 月 28 日開源本地搜尋工具 zg(zvec-grep)。工具整合語義搜尋、BM25、混合搜尋及 ripgrep 的字串與正規表示式搜尋,CLI 與透過 MCP 連接的 AI 智能體共用本機索引;zg 預設在本機處理資料,使用遠端嵌入模型前會要求明確許可。
Pydantic AI Harness 新增 You.com 的 YouSearch 和 YouResearch 兩項網頁搜尋能力,讓 Agent 可取得即時網頁資訊並進行多步研究。
Gamma 在 8 月 28 日更新中推出 iOS 和 Android 原生 App,並擴展 Slack 整合與 API 能力。用戶可在 Slack 透過提示詞或目前討論串建立簡報、文件、網頁和圖片;API 則新增參與度分析及留言回傳、多頁 Gamma 建立和匯出能力。
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。
Mintlify 於 2026 年 8 月 6 日開始提供 Mintlify Index 測試版,結合在 Mintlify 公開的產品官方文件與網頁搜尋,透過 MCP 伺服器或 REST API 為編碼智能體提供附有來源的技術資訊。
HKU 研究團隊開發出基於二維 MoS2 flash memories 的類比 CAM,以每個儲存單元 2 個電晶體直接在資料儲存位置進行搜尋。晶片每次搜尋每個單元的能耗低於 0.1 femtojoules,延遲為 36 picoseconds;用於機器學習分類的類比 Hamming distance 計算,速度約為標準 CPU 的 108 倍。
Amp 現已支援 Slack 整合,管理員連結工作區後,用戶可在任何頻道或討論串提及 @Amp,將訊息交給個人 Puck 處理。Puck 可修復錯誤、探索新功能、回答程式碼庫問題,並搜尋及管理現有討論串。文中案例包括讀取截圖、重現並修復用戶回報的錯誤,以及透過生產環境日誌核實可能相關的提交,並修正生產環境 Terraform 設定。
OpenAI 發佈新一代語音模型 GPT-Live,採用全雙工架構,讓 ChatGPT Voice 可同時聆聽和發話,令即時對話更自然。遇到複雜處理、高階推理或網頁搜尋需求時,GPT-Live 會在背景委派予最新頂尖模型,並逐步將結果帶入對話;本次推出 GPT-Live-1 和 GPT-Live-1 mini。
推薦理由:文章比較級聯語音系統與 ChatGPT Advanced Voice Mode 的限制,並交代全雙工架構如何帶來即時回應及背景任務處理。
Cloudflare 於 2026 年 7 月 1 日宣佈按 Search、Agent、Training 管理 AI 流量,並為可按使用收費的 Cloudflare Monetization Gateway 開放候補名單。
Librarian 改用不啟用 reasoning 的 GPT-5.5,搜尋速度提升約 3 倍、成本降低 43%,品質維持相同。內部評測中,平均延遲由 237s 降至 81s,F1 平均分數由 0.47 升至 0.48,平均成本由 $1.21 降至 $0.69。約四分之一的提速來自 OpenAI 的 websocket mode,其餘來自改用 GPT-5.5。
Google 於 2026年6月8日宣佈更新 NotebookLM,讓用戶可從聊天中的初步想法開始研究,並以 Gemini 3.5 和 Antigravity 支援多階段調查及程式碼執行。
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。
Python 多模態搜尋教學示範以 Google 的 SigLIP 2 實作文字搜圖及以圖搜圖,並延伸介紹近似最近鄰搜尋(ANN)。內容以 HNSW 解説 ANN,並整理向量降維、量化及以 Recall@k、MRR 評估搜尋結果的實務做法。
Google 於 2026年5月19日宣佈更新搜尋 AI 功能,推出支援文字、圖片、檔案、影片及 Chrome 分頁的新搜尋框,並將 AI 模式標準模型升級至 Gemini 3.5 Flash。
推薦理由:文章梳理 Google 搜尋的模型、搜尋框與後續功能更新,並列出各項功能的推出時間及適用對象,呈現這批更新的分階段安排。
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。
Manus 深化與 Similarweb 的整合,新增對關鍵詞、引薦來源、着陸頁及熱門頁面的分析,讓研究不再侷限於網站流量總量。Manus Pro 用户每月可獲最多 20,000 credits,在 Manus 內按需使用 Similarweb API 數據,毋須訂閲 Similarweb;不同指標按單位消耗數據積分。
Google 於 2026年5月6日開始分階段更新 Google 搜尋的 AI Mode 與 AI Overviews,增加 AI 回答中的相關網站連結,方便用戶前往深入分析和原創內容。
Gemini API 更新 File Search,加入多模態搜尋支援,並可使用 gemini-embedding-2 原生嵌入及搜尋圖片。Grounding metadata 現會包含 media_id 供視覺引用,以及指出資訊所在位置的 page_numbers;詳情可參閲 File Search guide。
Microsoft 於 2026 年 4 月 29 日發佈 VS Code 1.118,新增從 Copilot CLI 聊天啟用遠端控制的實驗功能,並預設在 VS Code 內建 Git 提交中,將 Copilot 聊天或 Agent 編寫的程式碼列為共同作者。
作者以 Python 示範從頭建立向量搜尋流程,涵蓋文字 Embedding、向量儲存、查詢向量化及近鄰搜尋。範例以 sentence-transformers 的 multilingual-e5-base 產生向量,再用 DuckDB VSS 和 HNSW 在本機執行儲存與相似度搜尋;文中亦比較多款模型及向量資料庫。
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。
Google 於 2026 年 4 月 8 日宣佈,整合 AI 的新版 Google Finance 將逐步在包括日本在內的逾 100 個國家推出。新版目前以 Beta 版提供,涵蓋 AI 市場查詢、技術圖表指標、即時新聞與大宗商品及加密貨幣資料,以及配有同步字幕和 AI 洞察的企業業績直播。文章確認日語介面已可使用,並指出畫面載有 AI 生成內容免責聲明。
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。