Блог Perplexity

Two stacks of four browser-page views represent an attacked page and its clean twin, with the injection present only in the attacked stack.
Исследования2 нояб. 2026 г.BrowseSafe++: создание более надёжной защиты от реальных промпт-инъекцийОткрытый бенчмарк и два облегчённых детектора для браузерных агентов.
Woman seated on a sofa using a smartphone.
Новости3 нояб. 2026 г.Computer для электронной коммерции создан для роста брендовИспользуйте Computer для электронной коммерции, чтобы анализировать продажи в Shopify, создавать страницы товаров, а также рекламные и email-кампании для роста бизнеса.

Избранное

  1. Man pulling back curtain on horizon
    Идеи1 нояб. 2026 г.Речь о знаниях
  2. Abstract glass panel with illuminated edges separating light and shadow against a dark background.
    Новости15 окт. 2026 г.Открываем исходный код SPACE — платформы песочниц, на которой работает ComputerPerplexity открывает исходный код SPACE — платформы песочниц, на которой работает Computer, — чтобы помочь разработчикам создавать более безопасных автономных ИИ-агентов
  3. Two people working at separate desks in a dimly lit office.
    Разработчики28 сент. 2026 г.Agent API теперь поддерживает многократно используемых агентовКоманды создают многократно используемых агентов с версионированными профилями, навыками и управляемыми коннекторами для совместного использования в приложениях.

Больше материалов от команды Perplexity Research

  1. Хороший учитель исходит из уровня ученикаНовый метод самодистилляции, который совместно обучает учителя и ученика, повышая качество модели и эффективность обучения в сложных задачах на рассуждение и агентных задачах.
  2. Создание общих рабочих пространств для людей и агентовКак проекты Perplexity обеспечивают сохранность, параллельность и прослеживаемость долгосрочной работы.
  3. Мультимодальные embedding-и за пределами одного вектораНовая семейство моделей позднего взаимодействия для поиска по тексту и изображениям с общим embedding-пространством между размерами моделей.
Все исследования

Недавно опубликованные

Найдено 217 публикаций

  1. Автономные агенты: что это такое и как они работаютВ этом руководстве объясняется, что такое автономные агенты, как они планируют, используют инструменты, запоминают информацию и проверяют свою работу, а также как люди применяют их для исследований, работы с электронной почтой, учебных заданий и покупок.
  2. Computer для электронной коммерции создан для роста брендовИспользуйте Computer для электронной коммерции, чтобы анализировать продажи в Shopify, создавать страницы товаров, а также рекламные и email-кампании для роста бизнеса.
  3. BrowseSafe++: создание более надёжной защиты от реальных промпт-инъекцийОткрытый бенчмарк и два облегчённых детектора для браузерных агентов.
  4. Память ИИ-агентов: как создавать ИИ-агентов с постоянным контекстомИз этого руководства вы узнаете, что такое память ИИ-агентов, как взаимодействуют рабочая, эпизодическая, семантическая и процедурная память и как создавать и тестировать агентов, которые совершенствуются благодаря постоянному контексту.
  5. Речь о знаниях
  6. Как дообучить LLM [и когда вместо этого использовать RAG или промптинг]В этом руководстве пошагово объясняется, как дообучить LLM, сравнивается полное дообучение с LoRA и QLoRA, а также показано, когда промптинг или RAG лучше подходят для улучшения ответов модели.
  7. Что такое текстовые эмбеддинги и как они работают [+примеры]В этом руководстве рассказывается, что такое текстовые эмбеддинги, как они превращают текст в векторы, передающие смысл, а также как выбирать, оценивать и применять модели эмбеддингов для поиска, RAG и других практических задач.
  8. Новая сертификация FedRAMP расширяет применение Perplexity в государственных рабочих процессахБлагодаря новой сертификации FedRAMP федеральные ведомства могут искать информацию в интернете в реальном времени с помощью Perplexity и получать ответы со ссылками на источники.
  9. Базовая реализация RAG: пошаговое руководствоВ этом руководстве для начинающих объясняется, как работает базовая реализация RAG, рассматриваются лучшие практики и пошагово описывается создание работающей RAG-системы командной строки с помощью Python, ChromaDB, а также модели эмбеддингов и языковой модели Perplexity.
  10. Как работает LLM-шлюз? Практическое руководство для инженерных командLLM-шлюз — это обратный прокси, который маршрутизирует, аутентифицирует, кэширует и журналирует вызовы ваших моделей. В этом руководстве мы проследим путь запроса через шлюз, рассмотрим риски для безопасности и надежности, которые нужно учесть заранее, и сравним варианты: собственная разработка, самостоятельный хостинг, управляемый сервис и API-шлюз.