Amazon Quick 推出 Live Data in Apps 功能
Amazon Quick 推出 Live Data in Apps 功能，允许 AI 构建的应用实时查询受治理的 Quick Sight 数据集。该功能支持 SPICE 和 Direct Query 模式，自动应用行级与列级安全规则，确保用户仅查看授权数据。此前应用仅展示构建时的静态快照，无法反映实时业务指标。
#RAG
#RAG
今日 1 条AWS Machine Learning BlogSI 评分3535
AWS Machine Learning BlogSI 评分3333 Amazon Bedrock Knowledge Bases 如何用自然语言查询保险理赔
Amazon Bedrock Knowledge Bases 利用 RAG 技术从 S3 存储的理赔文档中检索信息，通过 AgenticRetrieveStream API 回答自然语言问题并返回带引用的答案。该方案支持多轮对话及基于元数据的过滤，并集成上下文接地护栏以确保回答严格基于源文件。
AWS Machine Learning BlogSI 评分2828 Amazon Quick 各组件提示工程模式与陷阱
文章解析 Amazon Quick 各组件的提示工程最佳实践。Quick Research 需明确目标、受众及范围，并限定数据源以减少噪音；Quick Flows 应将复杂逻辑拆解为编号步骤，利用 agentic runtime 通过对话迭代优化；Quick Sight 查询需包含业务问题、指标、维度及可视化偏好。
AWS Machine Learning BlogSI 评分4040 AWS 构建基于 Amazon Quick 和 Amazon Bedrock AgentCore 的 AI 合同智能平台
AWS 展示了一套基于 Amazon Quick 和 Amazon Bedrock AgentCore 的合同智能平台架构，通过 AI 代理提取并验证合同数据以解决 RAG 在大规模聚合查询中的局限。
AWS Machine Learning BlogSI 评分3434 NarrateAI：在 Amazon Bedrock 上实现生产级 LLM 质量保障
NarrateAI 在 Amazon Bedrock 上通过五项技术实现约 99% 的数值准确率，并支持实时流式响应。这五项技术分别是自适应流水线编排、跨账户多模型故障转移、实时流式评估、复合评估框架和数据准确性验证，其中约 90% 的查询走单次快速路径，仅约 10% 走并行批处理路径。该系统已服务超过 4,000 名 AWS 高管领导者，用于实时业务评审中的对话式数据分析。
AWS Machine Learning BlogSI 评分2222 Datacor 如何用 Amazon Quick Sight 打造自助式租赁分析
Datacor 将 Amazon Quick Sight 嵌入 TrackAbout 方案，为工业气体与焊接分销商提供交互式仪表盘和自然语言搜索，业务用户无需提 IT 工单即可查询租赁数据。
GitHub Blog · AI & MLSI 评分3737 GitHub Podcast 探讨 AI 代码审查、RAG 现状与 Skills 和 MCP 的关系
GitHub Podcast 最新一期分析了五个 AI 热门观点，指出开发者仍需审查 AI 生成的代码以承担结果责任。节目澄清 Skills 与 MCP 解决不同问题，前者提供打包的专家知识，后者提供连接工具的标准接口。此外，RAG 并未过时，而是与 Agent、Skills 和 MCP 共同构成完整的工作流。
Hugging Face BlogSI 评分4141 Hugging Face 发布 NeoMME：260M/800M 多模态多语言编码器
Hugging Face 推出 NeoMME 系列多模态多语言编码器，含 260M 和 800M 两个版本，用单个双向 Transformer 同时处理文本 token 与 32×32 图像 patch，无需独立视觉塔或因果语言模型，并以掩码离散扩散目标从零训练。
Hugging Face BlogSI 评分4848 用 Sentence Transformers 训练与微调多向量嵌入模型
Sentence Transformers v6.0 新增第四种模型类型 MultiVectorEncoder，支持 ColBERT 式后期交互检索，并提供完整训练方案。
Hugging Face BlogSI 评分3838 Hugging Face Inference Endpoints、Jobs 与 Buckets 如何支撑 Papers with Code 搜索
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。
Mistral AI精选SI 评分8282 Mistral 发布 Agentic Search 提升复杂文档检索准确性
Mistral 发布 Agentic Search，通过多步检索循环提升 AI 系统在复杂文档中的信息检索准确性与效率。在 FinanceBench 基准上，其正确率从 26.7% 提升至 86%，p90 延迟降低 39.6%。该功能通过 Mistral Search Toolkit 和 Libraries 提供，支持在云端或本地部署中处理敏感领域数据。
推荐理由：原文展示了 Agentic Search 在 FinanceBench 和 OfficeQA Pro 上的具体性能提升，为复杂文档检索提供了可量化的对比基准。
Hugging Face Blog精选SI 评分6262 Sentence Transformers v6.0 新增 MultiVectorEncoder 支持晚交互检索
Sentence Transformers v6.0 新增第四种模型类型 MultiVectorEncoder，用于 ColBERT 式晚交互检索，可直接加载 PyLate、Stanford-NLP ColBERT 检查点，也能通过同一套 API 运行 colpali-engine 的视觉文档检索模型。
推荐理由：原文给出多向量编码器的加载、打分与索引实测数据，可据此判断晚交互检索的落地成本。
Mistral AI精选SI 评分6666 Mistral 发布 OCR 4，支持 170 种语言与单容器自托管
Mistral 发布 OCR 4，在提取文本之外返回边界框、块类型分类和逐页逐词置信度分数，支持 170 种语言、10 个语系，可打包进单个容器完全自托管。该模型在 OlmOCRBench 上取得 85.20 的总体最高分，OmniDocBench 得分 93.07，官方同时说明这两个基准在数学、科学和多栏文档上存在评分偏差，建议以自身文档实测为准。
推荐理由：OCR 4 在文本之外返回边界框、块类型与置信度，读者可据此判断结构化文档解析如何接入 RAG 与智能体流程。
Google Research精选SI 评分6060 Google 在 Gemini Enterprise Agent Platform 上线 Agentic RAG
Google 在 Gemini Enterprise Agent Platform 推出由 Agentic RAG 驱动的 Cross-Corpus Retrieval 公开预览版。
推荐理由：原文给出多智能体 RAG 的架构细节与跨语料评测数据，可据此判断复杂查询检索的可行边界。
Mistral AI精选SI 评分6262 Mistral AI 发布 Search Toolkit 公开预览版
Mistral AI 发布 Search Toolkit 公开预览版，这是一个用于构建 AI 应用生产级搜索管线的可组合框架，开源且可运行在云端、本地或边缘。它把摄取、检索和评测统一到共享接口下，内置 BM25 稀疏检索、稠密向量检索与混合配置，并提供 recall、precision、MRR、NDCG 等评测指标。
推荐理由：Mistral 把检索管线的摄取、检索与评测收进同一框架，读者可据此判断自建 RAG 的集成成本会怎样变化。
Mistral AI精选SI 评分6262 Mistral AI 发布代码嵌入模型 Codestral Embed
Mistral AI 发布首个面向代码的嵌入模型 Codestral Embed，称在真实代码检索场景中优于 Voyage Code 3、Cohere Embed v4.0 和 OpenAI 的大型嵌入模型。
推荐理由：官方给出代码嵌入模型在检索基准上的对比与多维度、多精度取舍，可据此评估代码 RAG 的存储与质量平衡。
Mistral AI精选SI 评分6666 Mistral 发布 Agents API，内置连接器与多智能体编排
Mistral 发布 Agents API，将自家语言模型与代码执行、图像生成、文档库、网页搜索等内置连接器以及 MCP 工具结合，并提供跨对话的持久记忆与智能体编排能力。
推荐理由：官方给出 Agents API 的连接器、记忆与多智能体编排能力，可据此判断企业级智能体平台的搭建方式。
Mistral AISI 评分2222 Mistral 如何用 LLM as a Judge 评估 RAG 系统
Mistral 提出用 LLM as a Judge 评估 RAG 系统，让"裁判 LLM"按数值、二元或定性量表为"生成 LLM"的答案打分，并汇总为加权总分。
Mistral AI精选SI 评分7878 Mistral AI 发布文档理解 OCR API mistral-ocr-latest
Mistral AI 发布 OCR API mistral-ocr-latest，可接收图片和 PDF，按顺序交错输出文本与图像，定价为 1000 页/美元，批量推理约可翻倍。
推荐理由：官方给出与 Google、Azure、Gemini 系列的横向基准对比和定价，可据此判断文档解析选型。