检索系统学会了"看错题本"：UniME-R1如何用失败经验教AI找对答案
你有没有想过，一个搜索引擎在给你返回结果之前，会不会先"反思"一下自己可能哪里想错了？大多数时候答案是不会。现在的多模态检索系统，不管是找图片、找视频还是找文档，基本套路都是把你的问题一股脑塞进模型，编码成一个向量，然后去数据库里找最相似的向量。
AI Agent，你不懂的都在这里
AI Agent 正在成为产品与组织的新变量，但关于它的误解也在迅速蔓延：它是工具？是助手？是“拟人化”的幻觉？本文从五个关键问题出发，拆解 AI Agent 的能力边界与协作价值，帮助你厘清认知、校准预期，并找到真正值得投入的方向。
让 AI 做研究很容易，难的是让它承认自己错了
今年 4 月，AlphaGo 之父 David Silver 的新公司 Ineffable Intelligence 拿了 11 亿美元种子轮，欧洲历史上最大;
从 RAG 到 Context：2025 年 RAG 技术年终总结
过去的 2025 年，对于检索增强生成技术而言，是经历深刻反思、激烈辩论与实质性演进的一年。我们坚信，以检索为核心的 Context Engine，是释放 LLM 与 Agent 全部潜能的关键。
万字观止：别让RAG“失真”——“语料质量”方是企业级知识库落地的通关钥匙
从客服机器人到智能问答助手，从合规审查到业务支持，RAG系统正在重塑企业知识流动的方式。但成百上千企业部署经验表明，如果知识库中充斥着过时文档、冲突政策或格式混乱的表格等噪声数据，即使是最先进的GPT系列或 Gemini系列模型，也只能自信地生成错误的答案。
RAG到底如何选择？从传统检索到Agentic RAG，一文看懂技术演进
0. 前言最近工作一直太忙，断更好久了。过去几个月工作主要是企业级Agent的开发与应用。智能体的发展太快了、技术和框架都在不断升级。其中，知识库这部分花费了不少时间，也踩了不少坑。
用155万模拟视频给模型上课！GVE模型一次学会9种视频检索技能
GVE团队 投稿量子位｜公众号 QbitAI当前视频检索研究正陷入一个闭环困境：以MSRVTT为代表的窄域基准，长期主导模型在粗粒度文本查询上的优化，导致训练数据有偏、模型能力受限，难以应对真实世界中细粒度、长上下文、多模态组合等复杂检索需求。
多模态检索头首次被锁定：揭开大模型长文档内部检索真相
面对上百页文字、图片、表格和图表，模型首先要回答的是:与当前问题真正相关的证据，究竟在哪里?EMNLP 2026接收的论文新作“Can Retrieval Heads See Images?
首个Agentic多模态检索大模型来了！清华让AI边推理边主动看图
然而，一个重要问题始终未能得到解决:现有的推理过程本质上仍然是语言驱动的，模型无法在推理过程中主动获取和验证视觉细节，因此在面对相似的候选图片时容易“瞎猜”。
最大数据集、多任务覆盖，达摩院发布大规模中文多模态评测基准
此次公开的电商图文检索数据集由训练集、验证集和测试集组成，其中训练集包含 25w 搜索 query - 商品图构成的图文对，涵盖约 12w 商品图片。