แท็ก

#retrieval

7 บทความ

NeoMME: เอ็นโค้ดเดอร์มัลติโมดัล 260M/800M ที่โยน vision tower กับ causal decoder ทิ้ง — Apache 2.0 ชนะทุกตัวที่ต่ำกว่า 800M บน ViDoRe v3 และบีบดัชนีจาก 1.5 MB เหลือ 6 kB ต่อหน้า
โมเดลใหม่

NeoMME: เอ็นโค้ดเดอร์มัลติโมดัล 260M/800M ที่โยน vision tower กับ causal decoder ทิ้ง — Apache 2.0 ชนะทุกตัวที่ต่ำกว่า 800M บน ViDoRe v3 และบีบดัชนีจาก 1.5 MB เหลือ 6 kB ต่อหน้า

H Company ปล่อย NeoMME เอ็นโค้ดเดอร์มัลติโมดัล 260M และ 800M ใต้ Apache 2.0 ที่เทรนจากศูนย์ด้วย masked discrete diffusion โดยไม่ใช้ vision tower หรือ decoder แยก — รุ่น 260M ได้ nDCG@10 0.523 บน ViDoRe v3 สูงสุดในกลุ่มต่ำกว่า 800M ห่างจาก ColQwen2.5 ขนาด 3.75B แค่ 0.002 และอินเด็กซ์ 51 หน้าต่อวินาทีบน L40S ใบเดียว

· อ่าน 7 นาที
Tencent ปล่อย WeMM-Embedding ใต้ Apache-2.0 — โมเดล embedding มัลติโมดัลที่รุ่น 2B แซงคู่แข่ง 8B และรุ่น 9B ขึ้น SOTA MMEB-v2 ที่ 80.6
โมเดลใหม่

Tencent ปล่อย WeMM-Embedding ใต้ Apache-2.0 — โมเดล embedding มัลติโมดัลที่รุ่น 2B แซงคู่แข่ง 8B และรุ่น 9B ขึ้น SOTA MMEB-v2 ที่ 80.6

25-26 ส.ค. 2026 ทีม WeChat ของ Tencent ปล่อย WeMM-Embedding สามขนาด 2B/4B/9B ใต้ Apache-2.0 — โมเดล embedding ตัวเดียวที่รับข้อความ ภาพ วิดีโอ และเอกสารสแกนสลับกันได้ โดยรุ่น 9B ทำ MMEB-v2 ได้ 80.6 ขึ้นเป็น SOTA และรุ่น 2B ทำ 77.9 แซงโมเดลโอเพนซอร์ส 8B ที่นำอยู่เดิม

· อ่าน 6 นาที
งานวิจัยผ่า Agent Skills: มันได้ผลเพราะ "ขั้นตอน" ไม่ใช่ "ความรู้" — และพังทันทีที่คลังสกิลโตเกิน 100 ตัว
AI Skills

งานวิจัยผ่า Agent Skills: มันได้ผลเพราะ "ขั้นตอน" ไม่ใช่ "ความรู้" — และพังทันทีที่คลังสกิลโตเกิน 100 ตัว

เปเปอร์ "Demystifying Agent Skills" (arXiv 14 ส.ค. 2026, ทีมจาก Princeton / UC San Diego และคณะ) ทดลองแบบมีตัวควบคุม 8,135 รอบ พบว่า 65.7% ของกรณีที่สกิลช่วยได้มาจากการยึดขั้นตอนการทำงาน ส่วนการเติมความรู้ที่โมเดลไม่มีคิดเป็นแค่ 4.5% และคอขวดตัวจริงคือการค้นหา — เมื่อคลังสกิลโตจาก 5 เป็น 100 ตัว ความแม่นในการหยิบใช้จริงร่วงจาก 29.6% เหลือ 3.3%

· อ่าน 7 นาที
Mistral Agentic Search: ให้โมเดล "เปิดอ่านเอกสารเอง" แทนการดึง chunk มายัด — FinanceBench จาก 26.7% เป็น 86%
เครื่องมือนักพัฒนา

Mistral Agentic Search: ให้โมเดล "เปิดอ่านเอกสารเอง" แทนการดึง chunk มายัด — FinanceBench จาก 26.7% เป็น 86%

20 ส.ค. 2026 Mistral เปิดตัว Agentic Search — ชุดทูล search / open / navigate / read / grep ที่ให้โมเดลไล่เปิดเอกสารเองแบบหลายก้าว แทน RAG แบบดึงครั้งเดียว รายงานว่า FinanceBench ขยับจาก 26.7% เป็น 86% และ OfficeQA Pro จาก 6.3% เป็น 51.9% พร้อมลด latency ได้ถึง 39.6%

· อ่าน 6 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
NVIDIA ปล่อย Nemotron 3 Embed — โมเดล embedding เปิดน้ำหนัก ขึ้นอันดับ 1 บน RTEB
โมเดลใหม่

NVIDIA ปล่อย Nemotron 3 Embed — โมเดล embedding เปิดน้ำหนัก ขึ้นอันดับ 1 บน RTEB

NVIDIA เปิดตัว Nemotron 3 Embed ชุดโมเดล embedding เปิดน้ำหนัก 3 ตัว ภายใต้สัญญาอนุญาต OpenMDW-1.1 ที่ใช้เชิงพาณิชย์ได้ โดยรุ่น 8B ทำคะแนน 78.46 NDCG@10 ขึ้นอันดับ 1 บนกระดาน RTEB — แต่คอลัมน์ชุดข้อมูลปิดที่เป็นหัวใจกันการ overfit ของ RTEB ถูกถอดออกตั้งแต่มกราคม

· อ่าน 5 นาที