Perplexity-bloggen

Two stacks of four browser-page views represent an attacked page and its clean twin, with the injection present only in the attacked stack.
Forskning2. nov. 2026BrowseSafe++: Vi bygger stærkere forsvar mod promptinjektioner i den virkelige verdenEt åbent benchmark og to lette detektorer til browseragenter.
Woman seated on a sofa using a smartphone.
Nyheder3. nov. 2026Computer til e-handel er skabt til brandvækstBrug Computer til e-handel til at analysere salget i Shopify, bygge produktsider og oprette annonce- og e-mailkampagner, der giver vækst.
  1. Man pulling back curtain on horizon
    Idéer1. nov. 2026Foredraget om viden
  2. Abstract glass panel with illuminated edges separating light and shadow against a dark background.
    Nyheder15. okt. 2026SPACE, sandboxplatformen bag Computer, bliver open sourcePerplexity gør SPACE, sandboxplatformen bag Computer, open source for at hjælpe udviklere med at bygge sikrere autonome AI-agenter
  3. Two people working at separate desks in a dimly lit office.
    Udviklere28. sep. 2026Agent API understøtter nu genbrugelige agenterTeams opretter genbrugelige agenter med versionsstyrede Profiles, Skills og administrerede connector-komponenter, som de kan dele på tværs af applikationer.

Mere fra Perplexitys forskningsteam

Al research

Senest udgivet

217 indlæg fundet

  1. Autonome agenter: hvad de er, og hvordan de fungererDenne guide forklarer, hvad autonome agenter er, hvordan de planlægger, bruger værktøjer, husker og tjekker deres arbejde, og hvordan folk bruger dem til research, e-mail, studieopgaver og shopping.
  2. Computer til e-handel er skabt til brandvækstBrug Computer til e-handel til at analysere salget i Shopify, bygge produktsider og oprette annonce- og e-mailkampagner, der giver vækst.
  3. BrowseSafe++: Vi bygger stærkere forsvar mod promptinjektioner i den virkelige verdenEt åbent benchmark og to lette detektorer til browseragenter.
  4. Hukommelse i AI-agenter: Sådan bygger du AI-agenter med vedvarende kontekstDenne guide forklarer, hvad hukommelse i AI-agenter er, hvordan arbejdshukommelse samt episodisk, semantisk og procedurel hukommelse arbejder sammen, og hvordan du bygger og tester agenter, der bliver bedre gennem vedvarende kontekst.
  5. Foredraget om viden
  6. Sådan finjusterer du en LLM [og hvornår du i stedet skal bruge RAG eller prompting]Denne guide forklarer, hvordan du finjusterer en LLM trin for trin, sammenligner fuld finjustering med LoRA og QLoRA og viser, hvornår prompting eller RAG er den bedste måde at forbedre en models output på.
  7. Tekst-embeddings forklaret: sådan fungerer de [+eksempler]Denne guide forklarer, hvad tekst-embeddings er, hvordan de omdanner tekst til vektorer, der indfanger betydning, og hvordan du vælger, evaluerer og bruger embedding-modeller til søgning, RAG og andre praktiske formål.
  8. Ny FedRAMP-certificering bringer Perplexity ind i flere offentlige arbejdsprocesserFøderale myndigheder kan søge på nettet i realtid med Perplexity og få svar med kildehenvisninger takket være en ny FedRAMP-certificering.
  9. Grundlæggende RAG-implementering: en trin-for-trin-vejledningDenne begyndervenlige vejledning forklarer, hvordan en grundlæggende RAG-implementering fungerer, gennemgår bedste praksis og viser, hvordan du bygger et fungerende kommandolinjebaseret RAG-system med Python, ChromaDB og Perplexitys embedding- og sprogmodeller.
  10. Hvordan fungerer en LLM-gateway? En praktisk guide til udviklingsteamsEn LLM-gateway er en reverse proxy, der router, autentificerer, cacher og logger dine modelkald. Denne guide følger en forespørgsel gennem en gateway, gennemgår de sikkerheds- og pålidelighedsrisici, du skal planlægge for, og sammenligner mulighederne: at bygge selv, selvhoste, vælge en administreret løsning eller bruge en API-gateway.