Condé Nast 如何利用 Amazon Bedrock 构建多模态视频发现系统
Condé Nast 基于 Amazon Bedrock 和 Amazon OpenSearch Service 构建多模态视频发现系统,将内容检索时间从 250 分钟缩短至 2 分钟以内。该系统采用 TwelveLabs Marengo 嵌入模型,对超过 140,000 个视频的转录、视觉和音频信号进行联合编码,支持基于意图的语义搜索。此前编辑团队依赖标题和描述手动查找素材,导致运营效率低下。
Condé Nast 基于 Amazon Bedrock 和 Amazon OpenSearch Service 构建多模态视频发现系统,将内容检索时间从 250 分钟缩短至 2 分钟以内。该系统采用 TwelveLabs Marengo 嵌入模型,对超过 140,000 个视频的转录、视觉和音频信号进行联合编码,支持基于意图的语义搜索。此前编辑团队依赖标题和描述手动查找素材,导致运营效率低下。
Google 启动了一项试点计划,向参与其 AI 搜索功能的出版商支付费用。该计划目前包含约 100 家出版商,Google 根据内容对 AI Overviews、AI Mode 及 Gemini 聊天机器人的贡献程度进行付费。据 The Information 报道,早期加入的一家出版商一年收入超过 100 万美元,而近期加入的一家出版商收入约为 5 万至 6 万美元。
Google Research 在 ICML 2026 论文中提出 Retrieve-for-Train 框架,通过离线强化学习将查询分解行为编译至 53.9M 参数的扩散模型,实现单次非自回归推理。该方案利用 Gemma3-4B 和 Qwen3-4B 进行监督合成,消除了推理时的思维 token 开销,解决了传统 LLM 在集合级搜索中的延迟瓶颈。
Inception 发布扩散大模型 Mercury 2.5,生成速度达每秒 1,107 token 并支持 260K token 上下文。相比 Mercury 2 智能提升 40%,具备可调推理与并行工具调用能力,面向搜索语音编码等低延迟场景。该版本基于 Mercury 2 的生产反馈训练,是反馈循环的首个成果。
Papers with Code 的搜索采用混合检索架构,由 Hugging Face Jobs 批量生成论文嵌入向量、Storage Buckets 做持久化中转、Inference Endpoints 提供在线查询的低延迟嵌入,目前覆盖 arXiv 与 Daily Papers 的逾 11 万篇论文。
DeepSeek 已将 deepseek-chat 和 deepseek-reasoner 升级到 DeepSeek-V3.1-Terminus,分别对应非思考与思考模式。更新保持原模型能力,减少中英混合与异常字符,并优化 Code Agent 和 Search Agent 性能。
推荐理由:DeepSeek 将 deepseek-chat 与 deepseek-reasoner 升级至 V3.1-Terminus,改善语言一致与 Agent 性能。
DeepSeek 将 deepseek-chat 模型升级至 DeepSeek-V3-0324,推理与代码生成等能力得到增强。新版本在 MMLU-Pro 75.9→81.2、AIME 39.6→59.4 等基准显著提升,并改进中文写作、搜索及函数调用准确性,修复了旧版 V3 的问题。
推荐理由:DeepSeek-V3-0324 在 MMLU-Pro 与 AIME 等基准较旧版 V3 提升明显,读者可对比数值了解推理与前端代码改进。