Gleb Otochkin thực nghiệm trên AlloyDB Omni với 30.000 bản ghi để so sánh hiệu năng giữa việc lưu vector cùng bảng dữ liệu và dùng bảng tách biệt kết hợp JOIN trong các tác vụ tìm kiếm ngữ nghĩa và lọc dữ liệu.
@typesafeai@typesafeaiKeep cooking, most best practices with Jev have yet to be discovered!
DịchJev đang chứng minh hiệu quả vượt trội so với phương pháp đo độ tương đồng điểm tích truyền thống, trở thành lựa chọn lý tưởng cho cả việc tìm kiếm trực tiếp trên tập dữ liệu nhỏ và tái xếp hạng (reranking) trong các hệ thống RAG quy mô lớn.
Knowledge Pull Requests (KPRs) là khung làm việc mới giúp tích hợp tri thức mới vào tài liệu hiện có bằng cách trích xuất, phân loại và đối chiếu thông tin, tạo ra nhật ký thay đổi chi tiết thay vì viết lại từ đầu.
LlamaIndex ra mắt LiteParse 2.14.6 với tối ưu hóa bộ nhớ, giúp giảm thời gian trích xuất văn bản xuống còn 2,76ms/trang, đồng thời bổ sung tính năng định vị thị giác và API is-complex.
D-RAC tối ưu hóa quy trình RAG bằng cách chuẩn hóa tài liệu sang PDF, sau đó dùng LLM đa phương thức chuyển đổi thành Markdown có cấu trúc, giúp tăng độ chính xác khi truy xuất dữ liệu.
Rohan Paul@rohanpaul_aiNew Harvard + MIT + other labs paper shows a cleaner path to self-improving financial AI: let the …
DịchCác nhà nghiên cứu giới thiệu FINSKILLOPS, hệ thống cho phép AI học hỏi từ lỗi sai trong phân tích tài chính thông qua cơ chế kiểm thử hồi quy nghiêm ngặt, giúp chuyển đổi RAG tĩnh thành hệ thống tự học bền vững.
Rohan Paul@rohanpaul_aiForward Deployed Engineers have a compounding problem: they spend months learning a company's syst…
DịchCodos giới thiệu giải pháp Giám đốc AI ảo giúp tự động hóa quy trình doanh nghiệp và triển khai bộ nhớ thông minh. Hệ thống Aethos X đạt 94% điểm trên EnterpriseRAG-Bench, vượt trội so với các mô hình hiện nay.
EvoOntology giải quyết khoảng cách giữa tác nhân AI và dữ liệu không đồng nhất bằng cách tạo ra một lớp bản thể luận tự tiến hóa, cho phép tác nhân truy vấn và tương tác với dữ liệu một cách thông minh và linh hoạt hơn.
Linkup Research vừa phát hành mã nguồn mở SPARSEUP, mô hình nhúng dựa trên ModernBERT với 149M tham số. Đây hiện là mô hình mã hóa thưa mạnh nhất trong phân khúc dưới 150M tham số, đạt điểm nDCG@10 là 56.4 trên benchmark BEIR-13.
SELF-INDEX là khung làm việc tự động giúp chỉ mục truy xuất tự tiến hóa mà không cần can thiệp thủ công, thông qua cơ chế tự chẩn đoán lỗi và mô phỏng truy vấn để cải thiện hiệu suất tìm kiếm cho các hệ thống RAG và AI Agent.
Google Cloud bổ sung hỗ trợ BM25 trực tiếp trên AlloyDB và Cloud SQL, cho phép thực hiện tìm kiếm toàn văn bản kết hợp với tìm kiếm vector mà không cần hạ tầng phụ trợ, giúp tối ưu hiệu suất truy vấn lên đến 10 lần.
Tập podcast mới nhất từ GitHub phân tích các quan điểm nóng hổi: liệu RAG đã lỗi thời, vai trò của MCP so với Skills, và tại sao việc đọc hiểu code vẫn là kỹ năng sống còn trong kỷ nguyên AI.
AI Notes@AYi_AInotesBài viết giải thích bản chất của RAG thông qua ví dụ thực tế, phân tích kỹ thuật từ khâu xử lý tài liệu, truy xuất kép (BM25 & Vector) đến cách AI trích dẫn nguồn tin cậy.
LlamaParse vừa bổ sung tính năng kết nối dữ liệu trực tiếp từ SharePoint và Google Drive, cho phép tự động đồng bộ và xử lý tài liệu mà không cần tải lên thủ công. Hệ thống sẽ tự động cập nhật các thay đổi, giúp tối ưu hóa quy trình trích xuất và lập chỉ mục dữ liệu cho nhà phát triển.
Tencent vừa công bố mã nguồn mở nền tảng WeKnora với hơn 25.000 sao trên GitHub, đồng thời ra mắt plugin DeepSeek Harness giúp doanh nghiệp truy xuất tài liệu nội bộ hiệu quả hơn.
ReMoMask-2 cải thiện việc tạo chuyển động từ văn bản bằng cách tích hợp cấu trúc không gian-thời gian của cơ thể người, giúp khắc phục sự thiếu hụt trong các mô hình RAG hiện tại.
AI Notes@AYi_AInotesIBM đề xuất STAIR, mô hình sử dụng cấu trúc mục lục để định vị thông tin thay vì chia nhỏ văn bản. Trên bộ dữ liệu SearchTome, STAIR đạt độ chính xác 82,6%, vượt xa các phương pháp truyền thống như BM25 hay DPR.
Rohan Paul@rohanpaul_aiNew Linkedin paper shows Agent memory is not automatically portable: fixed-schema memory survived …
DịchNghiên cứu chỉ ra rằng khi thay đổi mô hình, bộ nhớ dạng ghi chú tự do và chỉ mục RAG bị suy giảm hiệu suất đáng kể. Do đó, các doanh nghiệp cần thực hiện kiểm thử tính tương thích của bộ nhớ trước khi nâng cấp hệ thống AI.
Perplexity@perplexity_aiWe're introducing Q2D-Web (Query2Doc-Web), a benchmark and public leaderboard for evaluating retriev…
DịchPerplexity giới thiệu Q2D-Web, bộ tiêu chuẩn và bảng xếp hạng công khai nhằm đánh giá hiệu suất của các mô hình nhúng (embedding) khi thực hiện tìm kiếm web dựa trên truy vấn được tái cấu trúc bởi AI.
Databricks ra mắt Adaptive Instructed-Retriever, giải pháp tối ưu hóa tìm kiếm cho AI doanh nghiệp giúp giảm độ trễ gấp 2 lần mà vẫn duy trì độ chính xác vượt trội.
DAIR.AI@dair_aiGood work on improving memory for long-horizon agents. They separate two things that agent memory p…
DịchRSM-full tách biệt quy trình ghi và đọc bộ nhớ, cho phép các tác nhân AI xử lý ngữ cảnh dài hiệu quả hơn. Với ngân sách 4k token, phương pháp này vượt trội hơn các mô hình RAG truyền thống và đạt hiệu suất tương đương với toàn bộ ngữ cảnh gốc.
Elvis Saravia@omarsar0IBM vừa công bố tài liệu nghiên cứu chuyên sâu, đề xuất những phương pháp hiệu quả để khắc phục các hạn chế phổ biến trong hệ thống RAG, giúp tối ưu hóa độ chính xác và hiệu suất truy xuất dữ liệu.
Đội ngũ Qwen vừa phát hành mã nguồn mở zg, một công cụ tìm kiếm cục bộ tích hợp ripgrep, BM25 và tìm kiếm vector vào một giao diện duy nhất, hỗ trợ chạy mượt mà không cần GPU.
ByteByteGo phân tích vai trò then chốt của mô hình nhúng trong RAG, nhấn mạnh rằng dù LLM có mạnh đến đâu cũng không thể bù đắp cho việc truy xuất dữ liệu sai lệch. Bài viết chỉ ra các lỗi thường gặp và lưu ý về chi phí vận hành khi thay đổi mô hình nhúng trong hệ thống.
Hi-Q giải quyết vấn đề chênh lệch độ chi tiết giữa câu hỏi và dữ liệu bằng cách sử dụng cơ chế phân cấp thông minh. Hệ thống tự động kiểm tra bằng chứng để quyết định khi nào cần tinh chỉnh truy vấn, giúp cải thiện độ chính xác cho các tác vụ hỏi đáp phức tạp.
Rohan Paul@rohanpaul_aiRAG poisoning can make a model more confident, which is exactly why confidence-based detectors can f…
DịchNghiên cứu chỉ ra rằng các tài liệu độc hại có thể thao túng mô hình RAG, khiến nó tập trung sai lệch vào dữ liệu xấu thay vì bằng chứng xác thực. Để phát hiện, cần giám sát sự phân bổ chú ý giữa các tài liệu thay vì chỉ dựa vào độ tin cậy của câu trả lời cuối cùng.
Xiaobei@frxiaobeiCuộc đối đầu giữa EVIE và PaddleOCR-VL cho thấy xu hướng Document AI đang chuyển dịch từ nhận dạng văn bản thuần túy sang truy xuất dựa trên thị giác, tạo tiền đề cho thế hệ RAG tài liệu mới.
Bộ notebook thực hành giúp kỹ sư AI xây dựng hệ thống từ API gốc thay vì framework, bao gồm RAG, Agent và tinh chỉnh mô hình trên Groq miễn phí. Tài liệu cung cấp các case study thực tế, dễ dàng chuyển đổi sang OpenAI.
Databricks giới thiệu phương pháp chuyển đổi biểu đồ trong tài liệu doanh nghiệp thành định dạng cấu trúc, giúp AI Agent truy xuất và phân tích dữ liệu chính xác hơn trong các tác vụ phức tạp.
RetrievalRouter là bộ định tuyến nhẹ giúp tự động chọn quy trình truy xuất phù hợp nhất cho từng truy vấn, giúp cân bằng hiệu quả giữa độ chính xác và tốc độ phản hồi trong các lĩnh vực chuyên sâu như tài chính và khoa học.
Đừng vội vã áp dụng vector database hay reranking nếu chưa cần thiết. Hãy bắt đầu từ tìm kiếm từ khóa (BM25) và chỉ nâng cấp lên RAG thông minh khi thực sự cần xử lý các truy vấn phức tạp.
Sentence Transformers v6.0 ra mắt MultiVectorEncoder, hỗ trợ truy xuất hậu tương tác kiểu ColBERT cùng quy trình huấn luyện toàn diện giúp tối ưu hiệu suất RAG.
LangChain cung cấp đa dạng phương thức truy xuất từ ngữ nghĩa đến hỗn hợp, giúp nhà phát triển dễ dàng xây dựng các ứng dụng AI cá nhân hóa dựa trên dữ liệu riêng.
Sự kết hợp giữa Timescale Vector và LangChain giúp tăng tốc độ tìm kiếm tương đồng lên 243% trên nền tảng PostgreSQL, hỗ trợ truy xuất RAG theo thời gian thực mà vẫn giữ được sự đơn giản vốn có.
Hướng dẫn xây dựng hệ thống RAG đa phương thức hỗ trợ hỏi đáp nội dung trên slide bằng GPT-4V, kèm theo các phương pháp triển khai và mẫu LangChain thực tế.
LangChain giới thiệu Multi-Vector Retriever, cho phép tối ưu hóa RAG trên dữ liệu hỗn hợp gồm bảng biểu, văn bản và hình ảnh, giúp nhà phát triển xây dựng hệ thống truy xuất thông minh hơn.
OpenWiki giúp giảm thiểu ảo giác AI bằng cách liên kết các tuyên bố với bằng chứng xác thực, cho phép hệ thống tự động phát hiện và cập nhật thông tin lỗi thời trong các cơ sở tri thức.
Nghiên cứu mới chỉ ra rằng việc mở rộng cửa sổ ngữ cảnh không hiệu quả do suy giảm tương quan. Thay vào đó, phương pháp phân bổ lặp lại theo trình tự giúp tăng tỷ lệ thu hồi lên tới 20.5%, tối ưu hóa hiệu suất cho các hệ thống RAG.
Nghiên cứu mới với bộ tiêu chuẩn FORGE chỉ ra rằng các mô hình LLM trong hệ thống gợi ý rất dễ bị thao túng bởi nội dung rác, khiến chúng vô tình quảng bá sản phẩm giả mạo chỉ với một trang web bị nhiễm độc.
Nghiên cứu chỉ ra rằng việc sử dụng đồ thị thực thể và tái viết truy vấn trong RAG đa chặng làm khuếch đại sai sót từ ASR, khiến độ chính xác giảm mạnh hơn so với tìm kiếm thuần túy khi dữ liệu đầu vào bị nhiễu.