Amazon Bedrock Knowledge Basesで保険金請求データを自然言語検索
Amazon Bedrock Knowledge BasesにAgenticRetrieveStream APIが加わった。複数の要素を含む保険金請求に関する質問をサブクエリーに分解し、根拠が十分になるまで検索を繰り返して、引用付きの回答を生成する。
#RAG
#RAG
今日 1 件10月1日
9月30日
Amazon Quick と Amazon Bedrock AgentCore で AI 契約分析基盤を構築
Amazon Quick と Amazon Bedrock AgentCore による契約分析基盤は、AI エージェントが契約 PDF から八つの重要項目を抽出し、独立して検証する。署名認識の相違は Amazon Textract が判定し、結果を Amazon Aurora PostgreSQL に保存する。
9月29日
Condé Nast、Amazon Bedrockでマルチモーダル動画検索を構築
Condé NastはAWS生成AIイノベーションセンター（GenAIIC）と協力し、Amazon BedrockとAmazon OpenSearch Serviceを基盤にマルチモーダル動画検索を構築した。映像、音声、文字起こしを一緒に符号化するため、TwelveLabs Marengo埋め込みモデルを採用した。
9月26日
NarrateAI、Amazon Bedrock で本番向け LLM 品質保証
NarrateAI は Amazon Bedrock で五つの技術を使い、数値精度約99%とリアルタイムストリーミング応答を実現し、4,000人超の AWS 幹部に提供する。適応型パイプライン編成、アカウント横断の複数モデル切り替え、リアルタイム評価、複合評価枠組み、データ精度検証を使う。約90%のクエリーは1回の高速経路を通り、約10%のみ並列バッチ経路を使う。
9月25日
Datacor、Amazon Quick Sightでセルフサービスのレンタル分析を構築
DatacorはAmazon Quick SightをTrackAboutに組み込み、産業用ガス・溶接製品の販売業者へ対話型ダッシュボードと自然言語検索を提供した。業務ユーザーはITチケットを発行せずにレンタルデータを検索できる。
9月18日
GitHub Podcast、5つのAI論争を検討：コードを読むべきか、RAGは終わりか、SkillsはMCPをなくすか
GitHub Podcastの最新回はAI開発の5つの話題を検討する。AIコードは読み、責任を持つ必要があるが、確認の度合いはリスクに応じる。Skillsはチームの経験を包装したもの、MCPはツールとデータをつなぐ標準で、組み合わせられる。RAGは終わっておらず、学習外の情報を提供し、エージェント、Skills、MCPと同じワークフローに共存できる。
9月16日
Google Research、RLを拡散モデルに編み込むRetrieve-for-Trainで検索クエリー展開を高速化
Google ResearchはRetrieve-for-Trainを提案した。オフライン強化学習で報酬に沿うクエリー展開を見つけ、教師信号に変えて53.9Mの拡散検索器へ蒸留する。推論時は1回の非自己回帰でクエリーを展開し、CoT推論トークンを生成しない。
9月3日
Hugging Face、260M・800Mの多言語マルチモーダルエンコーダーNeoMMEを公開
Hugging Faceは260Mと800MのNeoMMEを公開した。単一の双方向Transformerで文字トークンと32×32画像パッチを処理する。マスク付き離散拡散の目的関数でゼロから学習し、事前学習済み視覚タワーや因果言語モデルに依存しない。
8月26日
Sentence Transformers で多ベクトル埋め込みモデルを訓練・微調整
Sentence Transformers v6.0 は第4のモデル型 MultiVectorEncoder を追加した。ColBERT 型の遅延相互作用検索に用い、完全な訓練手順も提供する。
8月21日
Hugging Face Endpoints、Jobs、BucketsがPapers with Codeの検索を支える方法
Papers with Codeはハイブリッド検索を使う。Hugging Face Jobsで埋め込みを一括生成し、Storage Bucketsで永続的に中継し、Inference Endpointsでオンライン検索の低遅延埋め込みを提供する。arXivとDaily Papersの11万件超を対象とする。
8月20日
Mistral、Agentic Searchを公開、FinanceBench正解率が26.7%から86%へ
Mistralは複数段階の検索ループで情報を探し、調べ、検証する検索層Agentic Searchを公開した。Mistral Search Toolkitで提供し、StudioとVibeのLibrariesにも組み込む。
8月18日
Sentence Transformers v6.0、ColBERT型の後期相互作用検索にMultiVectorEncoderを追加
Sentence Transformers v6.0は4番目のモデル形式MultiVectorEncoderを追加した。ColBERT型の後期相互作用検索向けで、PyLate、Stanford-NLPのColBERTチェックポイント、colpali-engineの視覚文書検索モデルを直接読み込める。
6月23日
Mistral、文書解析モデル OCR 4 を公開
Mistral は OCR 4 を公開した。文字抽出に加え、境界ボックス、ブロック種別、ページ・単語ごとの信頼度を返す。170言語に対応し、単一コンテナで自社運用できる。600超の文書で独立した評価者による盲検評価を行い、平均72%が OCR 4 を好んだとする。OlmOCRBench は85.20、OmniDocBench は93.07だが、両基準の採点方式には既知の限界があると注意する。
6月5日
Google、Gemini Enterprise Agent Platform で Agentic RAG の横断検索を公開
Google は Gemini Enterprise Agent Platform で Agentic RAG による複数コーパス検索の公開プレビューを始めた。Orchestrator、Planner、Query Rewriter、Search Fanout、Sufficient Context Agent などが協働し、複数情報源をまたぐ多段階クエリーを処理する。
5月28日
Mistral AI、Search Toolkitの公開プレビューを提供
Mistral AIはSearch Toolkitを公開プレビューで提供した。AIアプリの本番用検索パイプライン向けの組み合わせ可能な枠組みで、取り込み、検索、評価を共通インターフェースに統合する。オープンソースで、クラウド、ローカル、エッジに配置できる。
3月17日
Google、PNASで高温超伝導を使うLLM世界モデル評価を発表
GoogleとCornellはGPT-4o、Perplexity、Claude 3.5、Gemini Advanced Pro 1.5、NotebookLM、独自RAGに高温超伝導の専門問題67問を解かせた。12人の国際専門家がバランス、網羅性、簡潔性、証拠、画像の関連性、定性的意見の6指標で盲検評価した。研究はPNASに掲載された。
5月28日
Mistral AI、コード埋め込みモデルCodestral Embedを公開
Mistral AIは初のコード向け埋め込みモデルCodestral Embedを公開した。実際のコード検索でVoyage Code 3、Cohere Embed v4.0、OpenAIの大型埋め込みモデルを上回る。
5月27日
Mistral AI、内蔵コネクターと複数エージェント編成の Agents API を公開
Mistral AI は Agents API を公開した。自社言語モデルにコード実行、画像生成、文書ライブラリ、ウェブ検索のコネクターと MCP ツールを組み合わせ、会話をまたぐ永続記憶とエージェント編成を提供する。
4月9日
Mistral、LLM as a JudgeでRAGを評価する方法
Mistralはjudge LLMがgenerator LLMの回答を数値、二値、定性的尺度で採点し、評価データの加重平均を取るRAG評価を提案した。
3月7日
Mistral、文書理解のOCR API mistral-ocr-latestを公開
Mistral AIは画像とPDFを読み、文字と画像を順番に交互出力するMistral OCR APIを導入した。Le Chatの数百万人にとって既定の文書理解モデルになっている。