跳至正文
今天11月13日星期五7 条
  1. Hacker News · AI34

    Show HN:AI News Agg 追蹤 48 個來源的熱門 AI 報導

    一名開發者打造了 AI News Agg,這個網站彙整來自 48 個精選來源的 AI 專屬新聞與公告,來源涵蓋主流媒體、科技刊物、部落客和公司網站。若一則報導獲其中三個以上媒體報導,就會被標記為熱門,並置於網站頂端。使用者也能在新報導開始竄紅時收到電子郵件通知,還可選擇針對想關注的主題或實體,收到個人化的每日 AI 簡報。

  2. Hacker News · AI22

    AI 搜尋推薦假零售網站

    一項研究分析 ChatGPT、Gemini 和 Perplexity 登出消費者版本提供的 6,795 個回答,發現 AI 搜尋會推薦假零售網站。這項研究與 Gauge 合作進行;Gauge 是一家 AI 搜尋公司,協助品牌在更多 AI 回答中曝光。

  3. Hacker News · AI60

    Keenable 1.0 發布,內建 1 億張知識卡與供 AI 代理使用的動態片段

    Keenable 推出其 AI 網頁搜尋 API 的 1.0 版本,聲稱在 Artificial Analysis Search Index(BrowseComp、DeepSearchQA 與 AA-Omniscience)以及 NEEDLE 上排名第一;NEEDLE 是其開源基準,每天以全新查詢重新執行。此次發布新增 1 億張知識卡,可摘要某個主題的關鍵事實,並透過合作夥伴 API 頻繁更新;此外還有動態片段,能讀取完整文件並只擷取所需上下文,在研究任務上將 token 消耗降低 50%。自兩個月前推出以來,該服務已處理數百萬次代理查詢,新帳號可透過單一金鑰與單一 MCP 端點獲得 10 萬次請求額度。

  4. TechCrunch · AI82

    Google 發布 Gemini 4 Hydrogen,為更複雜的搜尋回答提供動力

    Google 發布 Gemini 4 Hydrogen,這是一款快速執行模型,該公司稱其為迄今最大的搜尋改進,並正將此更新推向全球所有搜尋使用者。Google 表示,Hydrogen 完成任務的速度比 Gemini 3.8 Flash 快 2.5 倍,且在其預設的高思考等級下,於 Artificial Analysis Intelligence Index 上擊敗更強大的 Gemini 4 Argon。在搜尋中,它改善了 AI 模式下的意圖理解、錯字處理、扇出子查詢與視覺回應,同時也將登陸 AI Studio、Gemini API、Gemini App 與 Antigravity。

    同一件事,精選收錄的是《Google DeepMind releases Gemini 4 Hydrogen, a faster Gemini 4 model for coding and agentic workflows》

  5. Google Blog · AI82

    Google 搜尋全球升級至 Gemini 4 Hydrogen

    Google 搜尋已將全球所有使用者遷移至 Gemini 4 Hydrogen,該公司稱這是迄今對搜尋最大的一次模型升級。此模型強化了對多段式與錯字頻繁問題的意圖理解,加入更深入的指令遵循與工具呼叫能力,並增強查詢展開(query fan-out)以呈現使用者原本可能找不到的連結。在所有支援的 AI 模式語言中,回應也變得更視覺化,包含更多圖片、比較表格與自訂工具。

    推薦理由:這是 Google 搜尋迄今最大的模型升級,Gemini 4 Hydrogen 現已為全球所有使用者處理多段式問題、工具呼叫與查詢展開。

  6. The Verge · AI58

    研究發現 ChatGPT、Gemini 與 Perplexity 推薦虛假零售網站

    IP 保護公司 Podqi 的一項研究發現,ChatGPT、Gemini 與 Perplexity 在回答關於 151 個品牌的購物問題時,均引用或顯示了有風險的零售網站,此類網站被定義為虛假店面、重新註冊的舊品牌網域或已失效的網站。在兩次九月測試期間收集的 6,795 個回答中,Perplexity 在 15% 的回應中顯示了有風險的網站,ChatGPT 為 8%,Gemini 為 4%,而 ChatGPT 有 24% 的時間對其顯示的有風險網站發出警告。關於較小品牌的查詢產生有風險網站的頻率約為較大公司查詢的兩倍,而關於區域品牌網站的提示更頻繁地觸發此類網站,Perplexity 曾一度將錯誤頁面指為 Stüssy 的官方網站。

  7. AWS Machine Learning Blog36

    使用 LangGraph 與 Amazon Bedrock AgentCore Web Search 打造每日依賴監控器

    Amazon Bedrock AgentCore 中的 Web Search API 現已推出,讓代理能透過單一 SigV4 簽章的 API 呼叫取得即時網頁結果,該服務由 Amazon 營運的網頁索引提供。一篇逐步教學示範如何以 LangGraph 圖建構每日依賴監控,平行研究 npm、PyPI 與容器基礎映像,並在程式碼中強制執行日期範圍、封鎖清單與搜尋預算。測試中,三個分支在 36 秒內完成,相較於依序執行需 99 秒。

11月12日星期四
  1. AWS Machine Learning Blog41

    Amazon Bedrock AgentCore Web Search API 發布

    Amazon Bedrock AgentCore 現在提供獨立的 Web Search API,讓開發人員可直接從 AWS SDK 或 AWS CLI 以單一請求呼叫 InvokeWebSearch,無需建立任何資源。它會從 Amazon 營運的網路索引傳回排序後的結果,每筆結果包含文字摘錄,並在可用時附上標題、URL 與發布時間,且支援網域與日期篩選。請求以 SigV4 與 IAM 簽署,使用與 AgentCore Gateway 路由相同的權限。

11月6日星期五
  1. Descript Changelog22

    Descript 2026年11月6日更新總覽:品牌版面配置包、Underlord 技能、30天垃圾桶

    Descript 2026年11月6日的更新總覽新增生成式版面配置包,可將品牌規範、標誌與色彩轉化為四個 AI 提案方向,並在付費方案中提供完整的可編輯版面配置包。Underlord 現支援可重複使用的技能,在聊天中以「/」叫用,取代提示範本,而提示範本將於11月30日停用。刪除的專案現在會在垃圾桶中保留30天,Enterprise 雲端硬碟搜尋則能比對圖片和影片內的內容,包括透過 Descript MCP 和 API。

11月5日星期四
  1. Apple Machine Learning Research38

    Apple 的學習式支撐函數加速 RAG 檢索

    Apple 研究人員在 ICML 2026 發表了「Amortizing Maximum Inner Product Search with Learned Support Functions」,透過離線訓練小型神經網路,將查詢更快地導向最匹配的鍵。SupportNet 透過輸入凸神經網路(ICNNs)學習支撐函數,以改善叢集路由;KeyNet 則直接輸出最匹配的鍵向量,並藉由歐拉定理得出的一致性損失,使其在幾何上保持有據。兩者皆在實際查詢分布上訓練,以預先攤提的成本換取推論時更快、更準確的檢索。

11月3日星期二
  1. Big Technology75

    OpenAI 稱 ChatGPT 搜尋量約為 Google 的 20%,每週用戶達 12 億

    OpenAI 表示,ChatGPT 類搜尋查詢量目前約為 Google 的五分之一,且該應用在約兩個月內從 10 億週活躍用戶成長至 12 億。ChatGPT 消費產品負責人 Adam Fry 在紐約的一場 OpenAI 晚宴上分享這些數據,並補充用戶每週生成 15 億張圖像,而結合聽寫與語音對話的語音模式合計有 2.5 億週活躍用戶。Fry 還表示,OpenAI 計劃合併 ChatGPT 的 Chat 與 Work 模式,移除應用頂部的切換開關。

10月27日星期二
  1. Preferred Networks News60

    PFN 推出具備網頁搜尋與 Deep Research 的 PLaMo 3.1 Prime

    Preferred Networks 於 2026 年 10 月 27 日開始提供 PLaMo 3.1 Prime,新增網頁搜尋與 Deep Research 功能,可在數分鐘至數十分鐘內自主規劃、蒐集、分析並撰寫附來源引用的報告。Deep Research 亦可於地端執行,並能連接內部文件搜尋系統;該公司表示,相較於 PLaMo 3.0 Prime,包含 AA Omniscience 在內的八項幻覺相關基準測試平均分數提升約 15%。PFN 亦指出,透過推測解碼使處理速度提升 1.7 倍,且在非推理模式下輸出 token 減少 90%,並推出免費的 PLaMo API 方案,以及 PLaMo Chat 活動,於 2026 年 11 月 30 日前每日提供兩次 Deep Research。

    推薦理由:PFN 的 PLaMo 3.1 Prime 新增可於地端執行的自主 Deep Research,為日本企業提供可本地部署、附來源引用的調查工作選項。