更好的搜索如何让智能体准确率从 36% 升至 98% | Aamir Shakir,Mixedbread

溪行者行业资讯📡 BestBlogs·全站精选⭐ 912026-11-05412 阅读💛 88 收藏
更好的搜索如何让智能体准确率从 36% 升至 98% | Aamir Shakir,Mixedbread

📌 One-Sentence Summary

Aamir Shakir 认为企业智能体的瓶颈不只是模型能力,更在于检索质量,并介绍多模态后期交互搜索如何减少传统 RAG 的信息损失。

📝 Summary

Aamir Shakir 解释企业智能体为何难以从大量 PDF、表格、访谈等材料中找到准确答案。关键词检索可能导致昂贵的逐篇阅读,而 OCR、解析、切块和单向量嵌入组成的流水线,会在每一步损失结构信息。不同年份的财报即使语义相似,问题需要的证据也可能完全不同。Mixedbread 采用多个带上下文的嵌入及页面视觉表征,试图保留更细粒度的信息。Intel 财报演示展示了检索、基于布局的引用,以及用于复杂多跳问题的智能体搜索工具。嘉宾还报告某对冲基金在超过十亿份文档上,把答案准确率从 36% 提高到 98%,LLM 支出约降至三分之一。这些数据来自厂商个案,没有披露评测协议。核心启发是先改善证据获取,再考虑增加模型调用和子智能体;产品宣传与演示局限也限制了结论的泛化。

💡 Main Points

传统检索流水线会累积信息损失

解析、OCR 和切块可能在嵌入之前就丢失表格与版面关系。

细粒度证据不能只依赖宽泛相似度

跨年份财报看起来相近,答案却可能取决于某个时期或具体单元格。

后期交互保留多个上下文细节

文档与查询使用多个嵌入,能够比单向量保存更细的信息。

把客户收益视为个案

36% 到 98% 的准确率提升和 LLM 成本下降来自厂商陈述,不能当作通用基准。

💬 Key Quotes

真正的瓶颈是如何获取自己的数据与知识。

每一步都会带来很大的信息损失。

📊 Article Meta

AI Screening: 91

Featured: Yes

Source: AI Engineer

Author: AI Engineer

Category: 人工智能

Language: 英文

Read Time: 13 min

Word Count: 3225

Tags:

AI 与智能应用 , RAG / 检索增强 , 文档解析 , 阅读与写作 , 视频

Play Full Video

#AI 与智能应用# RAG / 检索增强# 文档解析# 阅读与写作# 视频

文章评论(12)

杨丽华10 天前

这个观点很中肯,深有同感。

回复
邱文博10 天前

看完了,收获满满,期待更多更新。

回复
陈皮话梅糖10 天前

看标题就点进来了,内容果然没让人失望。

回复
蓝归舟10 天前

看标题就点进来了,内容果然没让人失望。

回复
林拾贝10 天前

看完了,收获满满,期待更多更新。

回复
蓝临风10 天前

实测过类似工具,作者说的基本属实。

回复
星寻梦10 天前

写得挺用心的,支持一下。

回复
郭超10 天前

作者写得真不错,学到了不少。

回复
邱文博10 天前

点赞,必须点赞

回复
林拾贝10 天前

路过

回复
曹浩10 天前

路过

回复
墨向阳10 天前

这篇文章分析得很透彻,收藏了!

回复