„Perplexity“ tinklaraštis


Rekomenduojama
Idėjos2026-11-01Kalba apie žinias
Naujienos2026-10-15Atveriame SPACE – sandbox platformos, kuria veikia Computer, – kodąPerplexity paskelbia SPACE – sandbox platformą, kuria veikia Computer, – kaip atvirąjį kodą, kad padėtų kūrėjams kurti saugesnius autonominius DI agentus
Kūrėjai2026-09-28„Agent API“ dabar palaiko pakartotinai naudojamus agentusKomandos kuria pakartotinai naudojamus agentus su versijų profiliais, Skill ir valdomomis jungtimis, kuriomis gali dalytis įvairiose programose.
Daugiau iš „Perplexity“ tyrimų komandos
Geras mokytojas prisitaiko prie mokinioNaujas savidistiliacijos metodas, kuris kartu moko mokytoją ir mokinį, kad pagerintų modelio našumą ir mokymo efektyvumą sudėtingose protavimo ir agentinėse užduotyse.
Bendrų darbo erdvių kūrimas žmonėms ir agentamsKaip Perplexity projektai užtikrina ilgai trunkančio darbo išliekamumą, lygiagretumą ir atsekamumą.
Multimodaliniai įterpiniai už vieno vektoriaus ribųNauja vėlyvosios sąveikos modelių šeima tekstinei ir vaizdų paieškai, su bendra įterpiamųjų reprezentacijų erdve tarp modelių dydžių.
Neseniai paskelbta
rasta 217 įrašų
Autonominiai agentai: kas tai ir kaip jie veikiaŠiame vadove paaiškinama, kas yra autonominiai agentai, kaip jie planuoja, naudoja įrankius, įsimena ir tikrina savo darbą, ir kaip žmonės juos naudoja tyrimams, el. laiškams, studijų užduotims ir apsipirkimui.
Computer el. prekybai sukurtas prekių ženklų augimuiNaudokite Computer el. prekybai, kad išanalizuotumėte Shopify pardavimus, sukurtumėte produktų puslapius ir augimą skatinančias reklamos bei el. pašto kampanijas.
BrowseSafe++: kuriame stipresnę apsaugą nuo realių raginimų injekcijųAtviras lyginamasis testas ir du lengvi detektoriai naršyklės agentams.
DI agentų atmintis: kaip kurti DI agentus su nuolatiniu kontekstuŠiame vadove paaiškinama, kas yra DI agentų atmintis, kaip kartu veikia darbinė, epizodinė, semantinė ir procedūrinė atmintis ir kaip kurti bei testuoti agentus, kurie tobulėja dėl nuolatinio konteksto.
Kalba apie žinias
Kaip tiksliai suderinti LLM [ir kada vietoj to naudoti RAG ar raginimus]Šiame vadove žingsnis po žingsnio paaiškinama, kaip tiksliai suderinti LLM, palyginamas visapusiškas tikslusis derinimas su LoRA ir QLoRA bei parodoma, kada raginimai arba RAG yra geresnis būdas pagerinti modelio išvestis.
Kas yra teksto įterpiniai ir kaip jie veikia [+pavyzdžiai]Šiame vadove paaiškinama, kas yra teksto įterpiniai, kaip jie paverčia tekstą prasmę perteikiančiais vektoriais ir kaip pasirinkti, įvertinti bei taikyti įterpinių modelius paieškai, RAG ir kitiems realiems naudojimo atvejams.
Naujas FedRAMP sertifikatas leidžia naudoti Perplexity daugiau vyriausybės darbo eigųFederalinės agentūros, naudodamos Perplexity, gali ieškoti informacijos žiniatinklyje realiuoju laiku ir gauti atsakymus su citatomis – tai tapo įmanoma gavus naują FedRAMP sertifikatą.
Paprastas RAG diegimas: vadovas žingsnis po žingsnioŠiame pradedantiesiems skirtame vadove paaiškinama, kaip veikia paprastas RAG diegimas, aptariama geriausia praktika ir žingsnis po žingsnio parodoma, kaip sukurti veikiančią komandų eilutės RAG sistemą naudojant Python, ChromaDB bei Perplexity įterpinių ir kalbos modelius.
Kaip veikia LLM šliuzas? Praktinis vadovas inžinierių komandomsLLM šliuzas – tai atvirkštinis tarpinis serveris, kuris nukreipia, autentifikuoja, talpina į podėlį ir registruoja jūsų modelių iškvietas; šiame vadove sekama, kaip užklausa keliauja per šliuzą, aptariamos saugumo ir patikimumo rizikos, kurias reikia numatyti, ir palyginamos galimybės: kurti savo sprendimą, talpinti jį savo infrastruktūroje, rinktis valdomą paslaugą ar API šliuzą.