Research29.09.2026 · 00:482 nguồn

GPT Researcher thay thế embedding bằng Jev để đạt 73% ngữ cảnh liên quan

Từ marketbrief.now

Ảnh: marketbrief.now
AI;DR

Nhóm phát triển GPT Researcher chuyển hệ thống RAG của mình sang dùng một decision model tên là Jev thay vì vector embedding. Trong các thử nghiệm gồm 28 tác vụ nghiên cứu từ SimpleQA cùng các truy vấn mở khác, công cụ này nâng lượng ngữ cảnh liên quan thu về từ 46% lên 73%. Các báo cáo do công cụ tạo ra cũng được ưa chuộng hơn 15 so với 3 lần trước đó trong các bài so sánh mù. Hệ thống nay mặc định dùng Jev và không còn cần embedding, đồng thời giữ nguyên chi phí trên mỗi báo cáo. Các phát hiện tiếp theo từ lập trình viên Assaf Elovic cho thấy việc nâng giới hạn chi phí trung bình của Jev từ 0,115 USD lên 0,122 USD giúp chất lượng thu hồi tăng lên 100% và giảm 90% số lượng context token. Các kỹ sư khác cũng ghi nhận những mức tăng tương tự, bao gồm hiệu suất tăng 12% trong các bài đánh giá RAG nội bộ khi dùng Jev làm bộ reranker.

Đọc bài gốcĐăng nhập để góp ý

Nguồn

#openai#llmBản Markdown
Lịch sử nội dung (2)
  • 2026-10-04 · Tóm tắt · vi · Thay nội dung đã lưu
    Đội ngũ phát triển GPT Researcher đã chuyển hệ thống retrieval-augmented generation sang …
    Nhóm phát triển GPT Researcher chuyển hệ thống RAG của mình sang dùng một decision model …
  • 2026-10-04 · Tiêu đề · vi · Thay nội dung đã lưu
    GPT Researcher thay thế embeddings bằng Jev, ngữ cảnh liên quan đạt 73%
    GPT Researcher thay thế embedding bằng Jev để đạt 73% ngữ cảnh liên quan

Bản tin mỗi sáng

Tin quan trọng nhất trong ngày. Miễn phí, hủy bất cứ lúc nào.

Telegram @aihomnay