从似然陷阱到退化惩罚再到语法约束，拆解三类高级解码策略的底层机制、计算代价与适用边界。

Despite substantial progress in Deep Search agents, their ability to conduct end-to-end research in real-world open Web …

当日涨星 1397 的开源项目：不是又一个简历生成器，而是一套跑在 Claude Code 上的求职操作系统——drafter-reviewer 双智能体、双门五维评分、PDF 编译验证循环与 ATS 文本层检查，全部资产在本地。

In a setback for publishers worried about the effects of AI search, a US federal judge has dismissed lawsuits filed by C…

Deep search requires LLM agents to decompose complex queries, search for evidence, and synthesize grounded answers, yet …

We present Iris-mini and Iris-pro, two search agents trained at the 35B-A3B and 397B-A17B scales, together with the data…

AI-powered search products such as ChatGPT search, Google's AI Overviews, and Perplexity provide LLM-synthesized answers…

While science fiction lore tells us that humans will meet extraterrestrial life in the form of little green men, the det…

!(https://www.gstatic.com/images/branding/googleg/1x/googleg_standard_color_128dp.png)Add as a preferredsource on Google…

Low-rank SVD-based compression offers a powerful strategy to reduce the computational costs of LLMs. However, existing m…

Information retrieval is increasingly important as LLM agents tackle complex tasks involving diverse information needs. …

In this work, we present ZGCM-1, a fully open 7B dense foundation model trained from scratch with extreme data, system, …

The increasing deployment of AI agents in long-horizon tasks yields massive execution logs. Diagnosing failures within t…

Benchmark researchers and developers of large language models (LLMs) and other AI systems need to find relevant evaluati…

Manuel Uth Nov 3, 2026 The search for extraterrestrial intelligence is getting help from AI.** At the Allen Telescope Ar…

Search Engine Journal 报道，Google、Microsoft 与 OpenAI 计划支持共享的 AI 训练退出标记，站点通过一行 robots.txt 即可向多家提供商同时声明拒绝。

Embedding models underpin virtually every modern AI system, from search engines to recommendation systems. Despite share…

DeepSeek 将 V4.1 Flash 更新至 1017 版，同步向公众开放 Search 与 Fetch 两个接口，定价均为 5 元/千次，按成功调用计费。

10 月 17 日，DeepSeek 将 V4.1 Flash 静默升级至 V4.1-Flash-1017：11 项基准全部提升、输出更短更快、价格不变，主打「许愿式编程」，并同步敲定 Search/Fetch API 计价。本文基于官方模型卡、定价页与中外多方评测，拆解这次更新的真实成色、架构底座与争议点。

Google on Thursday said “Universal Cart,” a tool that lets users collect and monitor products they find across search an…

Adversarial games have driven advances from heuristic search to reinforcement learning, yet learning and adapting strate…

Cohere has released Embed 5, a new embedding model family. It targets enterprise search, RAG, and agentic retrieval. The…

Fast matrix multiplication algorithms keep the product fixed and search for a cheaper way to evaluate it. We instead ask…

The Federal Register website briefly used an open source Chinese AI search tool.]

Google and Deepmind's Dream-RSI lets AI agents "dream" through past search runs to test new strategies without costly re…

Google Research has introduced Retrieve-for-Train (R4T), a framework for search that returns coherent, diverse result se…

Late-interaction retrieval is the state-of-the-art for visual document search, but it pays for its accuracy in storage. …

从 RAG 与 REALM 的奠基到 Self-RAG、GraphRAG 与 RL 检索智能体，梳理检索增强生成的学术演进、与长上下文的对比结论及四大开放问题。

预训练 Scaling 撞上数据墙与算力墙：公共语料储量估算、推理感知的缩放修正、o1 之后测试时计算的新缩放曲线与三墙之下的产业走向。

一个介于智能体与模型 API 之间的上下文压缩代理：注入 compress/decompress 工具让模型自己决定何时压缩什么，摘要按 tier-1/2/3 层层折叠且逐块可恢复，前缀缓存永不失效。4.5 个月生产数据累计 187 亿 token、204,800 窗口零越界，第三方评测拿下 ContextBench 第一。截至 2026-11-09 当日 GitHub 涨星 460。

NVIDIA 在 GTC Berlin 开源的语义层：从元数据生成本体（术语+SQL属性+关系），人认证后经 MCP/CLI/REST 供智能体查询。本文拆解三段式编译流水线、LangGraph 查询图、七个重建上限与「宁可不答」的可解性判定，并给出四类可复现场景。

二分查找数组的变体核心是「找边界」——第一个 ≥ target 与第一个 > target 两个模板，可以拼出左边界、右边界、以及所有变体。用「左闭右开 + 找第一个 ≥ x」的统一心智，把二分边界题一网打尽。

旋转排序数组整体无序，但「每半必有一半有序」——判断 target 在不在有序的那一半，每次砍掉一半。旋转数组的二分是「二分本质是单调判定」的最佳证明，也是「找到不变量才能二分」的教科书案例。

二分查找「思路简单、写对很难」——90% 的错误发生在边界：left ≤ right 还是 <、mid±1 还是 mid、while 结束时 left 在哪。这篇用「区间不变量」的方法把三个模板一次讲透，从此二分不再靠背。

绑 80 端口要 root、ping 要 setuid——特权就该这样粗粒度吗？本篇讲透 capabilities 把 UID 0 拆成 38 项特权的设计、permitted/effective/inheritable/bounding/ambient 五个集合的运算规则、文件能力与 ping 的进化史、容器 --cap-drop 的经济学，以及 setcap 后动态库失效等三个高频坑。

IT之家 11 月 4 日消息，当地时间 11 月 3 日，谷歌宣布将从 2027 年起调整面向 K-12（幼儿园至高中）教育用户的人工智能功能管理政策，学校管理员需要主动启用，学生账户才能使用 Gemini、NotebookLM、Gemi…

Google 宣布美国 K-12 学校学生使用的软件将默认关闭所有 AI 功能，除非学校管理人员自己选择启用。此举旨在回应教育工作者和家长的诉求，他们希望在孩子与 AI 互动上有更多的掌控权。今天 AI 功能已成为 Google 商用搜索引…

Agent Skills 是 Anthropic 提出的技能包协议：一个文件夹装指令、脚本与资源，模型按需加载——「渐进披露」让 Agent 的能力面可以按任务逐层展开。本篇拆解 Skills 的结构与渐进披露的三层加载、与 MCP 工具的互补关系、以及「把能力写成文档」这个范式的深远含义。

OpenAI 的 Agents SDK 把 Agent 开发收进三个原语：Agents（带指令与工具的实体）、handoffs（智能体间移交）、guardrails（输入输出护栏）。本篇拆解这套最小主义设计、Responses API 的推理与工具内建、tracing 的开箱即用，以及它与 LangGraph 类重量框架的哲学分歧。

正则表达式是最被「会用但不懂」的语言：能写出能跑的模式，却不知道它为什么回溯、为什么卡死、为什么某个字符集漏了。本篇拆解正则的引擎原理（回溯机制）、贪婪与懒惰的语义、常见坑（字符集、转义、ReDoS），以及「什么时候不该用正则」。

AI 搜索（Perplexity、SearchGPT 类产品）正在改变「搜索」的定义：从「给链接」到「给答案」。这些产品的架构是 RAG 与搜索引擎的融合——传统搜索的索引能力 + LLM 的理解与综合能力。本篇拆解 AI 搜索的架构、与 RAG 的异同、以及对传统搜索生态的冲击。

Aider 是编码智能体里的极简派：终端运行、git 原生（每个 AI 编辑自动提交）、仓库地图（repo map）用树算法控上下文。本篇拆解它的 repo map 机制（PageRank 式的关键文件选择）、自动提交的工程价值、编辑格式的演化，以及「极简工具在重产品时代如何立足」。

SWE-agent（普林斯顿）提出 ACI（Agent-Computer Interface）概念：给模型设计的「电脑界面」决定智能体表现——正如人机交互设计决定人的效率。本篇拆解 ACI 的设计理念（为模型优化的工具面）、SWE-agent 的代理循环、它与 SWE-bench 的关系，以及「接口设计是智能体工程的核心」的深远含义。

Agent 记忆的工程化已有三块代表拼图：Mem0 的提取式记忆层、Zep 的时序知识图谱、Letta（MemGPT）的操作系统式记忆管理。本篇拆解三种方案的机制与取舍、记忆层在架构中的位置（外挂 vs 内核）、以及「给 Agent 装记忆」的选型框架。

用户用中文提问，文档是英文写的——跨语言 RAG 的检索质量远低于同语言场景。本篇拆解多语言 RAG 的三种管线（翻译前置、多语言嵌入、跨语言检索）、各方案的效果与成本、以及多语言知识库的构建策略。

Cities generate enormous amounts of data from cameras, sensors and operational systems, but turning it into useful actio…

!(https://www.gstatic.com/images/branding/googleg/1x/googleg_standard_color_128dp.png)Add as a preferredsource on Google…

同一张 GPU，用 naive 推理脚本与用 vLLM，吞吐可以差 10 倍以上——差距的来源是两项工程创新：PagedAttention（显存的分页管理）与连续批处理（请求的动态编排）。本篇拆解这两项技术的机制、vLLM 生态的位置、以及「什么时候该用推理引擎、什么时候杀鸡不必用牛刀」。

搜索二维矩阵 II 是「结构化查找」的优雅范本：矩阵每行从左到右升序、每列从上到下升序。从右上角出发，每一步比较都排除一行或一列——O(m+n) 步走完。本文讲清右上角起点的玄机、与「分治二分」的对比，以及「每步排除一块」这类查找设计的通用心法。

层序遍历是 BFS 的第一课进阶：不只按层访问，还要「按层分组」输出。核心技巧是「按层处理循环」——外层 while 管层数、内层 for 管本层节点，队列的长度快照就是本层的边界。本文讲清分层技巧、它的三个杀手级应用（最短路径、右视图、之字形），以及 BFS 的「最短性」为什么成立。