SurrealDB 3.0 用單一資料庫取代五層 RAG 堆疊
SurrealDB 推出 3.0 版，這款多模態資料庫以 Rust 原生引擎儲存代理記憶、向量、圖形與結構化資料，確保交易一致性。解決 RAG 系統中 Postgres、Pinecone 和 Neo4j 等工具的同步問題。此次推出伴隨 2300 萬美元 A 輪延伸融資。
Search
Tag: #rag131 results
OneAdvanced 部署超過 50 個主權 AI 代理
OneAdvanced 透過在 Amazon SageMaker AI 上自行託管 Llama 4 Maverick 與 Llama Guard 4，打造英國主權 AI 平台。其 RAG 管線採用 pgvector，並使用 Strands Agents SDK 在 Amazon ECS 上執行超過 50 個 AI 代理。
🤖
構建雲端 LLM 的安全本地優先閘道架構
作者提出了一種「本地優先」架構，由本地程序擔任閘道，在將請求發送至雲端模型前對敏感數據進行去識別化。此方法將雲端模型視為不可信的勞動力，旨在防止 LLM 在推理過程中洩漏私人記憶數據。
🔬
重新思考 AI 記憶體：從事實儲存轉向模式推論
本文探討目前的 AI 記憶體系統是否因過度專注於靜態事實檢索而受到限制，而非動態的模式推論。文章建議未來的架構應進化為能模擬使用者的推理風格與解釋框架。
一位失憶患者揭開了 AI 記憶的誤區
本文探討人類記憶結構如何啟發 AI 架構，特別是挑戰了關於記憶儲存與檢索的既有觀念。研究指出，記憶可以作為一個獨立的層級存在，而非僅僅深度整合於模型權重之中。
⚙️
構建增量向量索引管道時的常見陷阱
作者分享了構建增量索引管道的經驗教訓，強調了在處理文檔刪除和部分更新時的關鍵失敗。文章指出，保持源數據與向量存儲之間的一致性是一項複雜的分佈式系統挑戰。
VectorizationLLM：專為工程教育設計的 AI 輔助工具
VectorizationLLM 是一款基於 Google 開放權重 LLM 的專用模型，旨在協助工程系學生處理複雜的數學與計算分析。該模型採用 RAG 架構，能提供概念解釋與範例，但不會直接給出作業答案。
軟銀 1.9 萬人規模的「全社 RAG 平台」建構策略
SoftBank 成功為 1.9 萬名員工部署了企業級 RAG 平台，在使用者便利性與企業安全性之間取得平衡。該專案大幅提升了營運效率，據估算節省了數萬小時的工時。
利用 GraphRAG 與 BYOKG 加速藥物研發
本文探討了將基於圖的檢索增強生成 (GraphRAG) 與知識圖譜相結合，以強化藥物研發。展示了結構化數據與生成式 AI 的結合如何提升研發速度與科學準確性。
TripAdvisor AI 摘要誤導飯店安全資訊
TripAdvisor 的 AI 生成評論摘要將不安全的飯店錯誤標記為「乾淨」與「友善」。這引發了人們對大型語言模型摘要技術在關鍵消費者決策中可靠性的擔憂。