แท็ก

#embeddings

6 บทความ

เปเปอร์วัดว่า "ความจำ" ของเอเจนต์รอดจากการอัปเกรดโมเดลไหม — โน้ตที่โมเดลเขียนเองร่วง 13.3 จุดเมื่อสลับผู้เขียน ส่วน knowledge graph สคีมาตายตัวขยับแค่ 0.0004 จุด
งานวิจัย

เปเปอร์วัดว่า "ความจำ" ของเอเจนต์รอดจากการอัปเกรดโมเดลไหม — โน้ตที่โมเดลเขียนเองร่วง 13.3 จุดเมื่อสลับผู้เขียน ส่วน knowledge graph สคีมาตายตัวขยับแค่ 0.0004 จุด

เปเปอร์ arXiv:2609.05339 (4 ก.ย.) เทียบฟอร์แมตความจำเอเจนต์สี่แบบภายใต้การเปลี่ยนโมเดลจริง พบว่าโน้ตที่โมเดลเขียนเองผูกกับผู้เขียนอย่างรุนแรง — สลับ Llama กับ Qwen แล้วความแม่นเปลี่ยน +9.91 หรือ −13.28 จุดแล้วแต่ทิศทาง ขณะที่ knowledge graph สคีมาตายตัวขยับแค่ +0.0004 และการอัปเกรดโมเดลฝังแบบครึ่ง ๆ กลาง ๆ ทิ้งกำไรไปเกือบ 60% โดยไม่มี error ใด ๆ

· อ่าน 8 นาที
memoryfield: ข้อเสนอว่าความจำของเอเจนต์ควรเป็น "ไฟล์ฟอร์แมต" ไม่ใช่ไปป์ไลน์ — ไฟล์ Markdown ในไฟล์ ZIP บวกดัชนี SQLite แค่นั้น
เครื่องมือนักพัฒนา

memoryfield: ข้อเสนอว่าความจำของเอเจนต์ควรเป็น "ไฟล์ฟอร์แมต" ไม่ใช่ไปป์ไลน์ — ไฟล์ Markdown ในไฟล์ ZIP บวกดัชนี SQLite แค่นั้น

31 ส.ค. 2026 Cal Paterson เผยแพร่ memoryfield — สเปกแบบ RFC สำหรับความจำของ AI เอเจนต์ที่ตั้งใจให้ 'ต่ำกลไก' ที่สุด: ไดเรกทอรีแบน ๆ ของไฟล์ Markdown พร้อม YAML frontmatter บวกดัชนีเวกเตอร์ SQLite ที่สร้างใหม่ได้ทุกเมื่อ ข้อโต้แย้งหลักคือ knowledge graph แบบ Karpathy wiki ทำให้เอเจนต์ต้องเรียกทูล N+1 ครั้ง ขณะที่ semantic search ใช้แค่ 2 ครั้ง

· อ่าน 7 นาที
Google ใส่ TPU เข้า vLLM สำหรับงาน embedding — เสิร์ฟ Qwen3-Embedding-8B ได้ 83,996 โทเคน/วินาที ที่บริบท 16K พร้อมยืนยัน cosine similarity ≥0.999 เทียบ GPU
เครื่องมือนักพัฒนา

Google ใส่ TPU เข้า vLLM สำหรับงาน embedding — เสิร์ฟ Qwen3-Embedding-8B ได้ 83,996 โทเคน/วินาที ที่บริบท 16K พร้อมยืนยัน cosine similarity ≥0.999 เทียบ GPU

26 ส.ค. 2026 Google Cloud ประกาศรองรับ TPU ใน vLLM สำหรับ pooling/embedding workload โดยตรง — รัน Qwen3-Embedding-8B ได้ 83,996 โทเคน/วินาที และ 5.13 req/s ที่บริบท 16K บน bfloat16 tensor parallel 4 พร้อมรองรับ Qwen3-VL-Embedding-8B แบบ multimodal ที่ 15K+ โทเคน และรายงาน cosine similarity ≥0.999 (ข้อความ) / ≥0.995 (มัลติโหมด) เทียบกับผลอ้างอิง

· อ่าน 5 นาที
Sentence Transformers 6.0 รับ late interaction เป็นพลเมืองชั้นหนึ่ง — โหลด ColBERT ได้ตรง ๆ และแก้บั๊กเงียบที่ทำ reranker พังเพราะ half precision
เครื่องมือนักพัฒนา

Sentence Transformers 6.0 รับ late interaction เป็นพลเมืองชั้นหนึ่ง — โหลด ColBERT ได้ตรง ๆ และแก้บั๊กเงียบที่ทำ reranker พังเพราะ half precision

18 ส.ค. 2026 Hugging Face ปล่อย Sentence Transformers 6.0 เพิ่มโมเดลชนิดที่สี่ MultiVectorEncoder รองรับ late interaction แบบ ColBERT ในตัว โหลดเช็กพอยต์จาก PyLate และ Stanford ColBERT ได้ทันที พร้อมแก้บั๊กคะแนนเพี้ยนจาก half precision ที่ทำ NDCG@10 ของ reranker ร่วงจาก 0.68 เหลือ 0.18 โดยไม่มี error ใด ๆ

· อ่าน 6 นาที
LightOn ปล่อย mLateOn/mDenseOn โมเดล retrieval หลายภาษา 307M พารามิเตอร์ Apache-2.0 — และพิสูจน์ว่า late interaction ข้ามไปภาษาที่ไม่เคยเทรนได้ดีกว่า dense ถึง 10 จุด
โมเดลใหม่

LightOn ปล่อย mLateOn/mDenseOn โมเดล retrieval หลายภาษา 307M พารามิเตอร์ Apache-2.0 — และพิสูจน์ว่า late interaction ข้ามไปภาษาที่ไม่เคยเทรนได้ดีกว่า dense ถึง 10 จุด

LightOn ปล่อยโมเดล retrieval หลายภาษาสองตัวขนาด 307M พารามิเตอร์ ใบอนุญาต Apache-2.0 เทรนบนคู่ข้อความ 2.8 พันล้านคู่ใน 9 ภาษาบวกโค้ด จุดค้นพบสำคัญคือโมเดลแบบ late interaction ทำคะแนน MIRACL บนภาษาที่ไม่เคยเห็นตอนเทรน retrieval ได้ 67.59 เทียบกับแบบ dense ที่ 57.42

· อ่าน 6 นาที
Foundry Local 1.1 — Microsoft ปล่อย Live Transcription, Embeddings และ Responses API บน on-device runtime
เครื่องมือนักพัฒนา

Foundry Local 1.1 — Microsoft ปล่อย Live Transcription, Embeddings และ Responses API บน on-device runtime

Microsoft ปล่อย Foundry Local 1.1 ที่เพิ่ม 3 ฟีเจอร์หลัก — Live Transcription บน Nemotron Speech Streaming (รัน faster-than-real-time บน CPU), Embeddings API บน Qwen3-0.6B และ Responses API ที่รองรับ tool-calling + vision ผ่าน Qwen3.5 VLM ทั้งหมดรัน on-device ไม่มี per-token cost

· อ่าน 4 นาที