Multilingual Semantic Retrieval for Apple Music Search
Apple Music 以数十种语言为 150 多个店面的听众提供服务，其目录每天都会增加数十万首新曲目。在这种规模下，拼写错误、音译和跨语言查询的搜索召回成为会话质量的主要驱动因素，特别是对于占唯一查询大部分的尾部查询。我们提出了一个基于 305M 参数暹罗双编码器的多语言语义检索系统，该编码器根据 GTE 多语言基础进行了微调，并具有课程安排的多目标训练。该模型通过...集成到搜索堆栈中
在这篇文章中，我们将介绍什么是数据集丰富、它与旧主题有何不同，并提供三种迁移场景和分步指导，以便您可以放心地将业务上下文迁移到数据集层。
Proxy-Pointer RAG: Temporal Reasoning Without Semantic Precompilation
Proxy-Pointer 和 LLM-Wiki 的技术比较后 Proxy-Pointer RAG：无需语义预编译的时间推理首先出现在 Towards Data Science 上。
CLaRa: Bridging Retrieval and Generation with Continuous Latent Reasoning
检索增强生成（RAG）利用外部知识增强了大型语言模型（LLM），但仍然受到长上下文和不相交的检索生成优化的影响。在这项工作中，我们提出了 CLaRa（连续潜在推理），这是一个在共享连续空间中执行基于嵌入的压缩和联合优化的统一框架。为了获得语义丰富且可检索的压缩向量，从而减少输入生成器的文档长度，我们引入了 SCP，一种基于问答和释义的密钥保留数据合成框架......
Personalizing Incremental Video Search with Hybrid Text and ID Embeddings
增量视频搜索需要在每次击键后进行高质量排名，而意图通常不明确（例如，1-3 个字符前缀）。我们提出了一个 Apple TV 搜索的个性化系统，该系统在排名时结合了互补的语义和协作信号。我们的方法学习两个项目嵌入空间：(i) 基于文本的多语言编码器 (TextEmb)，通过对比学习对共同参与三元组进行微调；(ii) 基于 ID 的协作嵌入模型 (IdEmb)，根据交互衍生的积极因素进行训练。在服务时，我们从…构建用户表示
Multi-tenant LLM analytics with row-level security: How we built a secure agent on AWS
在这篇文章中，我们将向您展示 PAR 如何构建一个生产就绪的多租户 LLM 分析系统，该系统通过三层架构强制执行行级安全性：使用 AWS SigV4 进行加密请求签名、Amazon Bedrock 上的语义验证以及通过 Split-Plane SQL 进行编程数据隔离。我们演示了每一层如何独立运行，以降低跨租户数据暴露的风险，即使 LLM 本身受到损害或操纵也是如此。
AI-powered BI with Snowflake and Amazon Quick
在本文中，您将了解如何在 Snowflake 语义视图和 Amazon Quick 之间构建端到端集成。样本数据是媒体公司的用户评论数据。首先，您将电影评论数据从 Amazon Simple Storage Service (Amazon S3) 加载到 Snowflake 中，在 SQL 中定义语义视图以添加业务含义，通过 Cortex Analyst 使用自然语言查询进行探索，然后生成 Amazon Quick 数据集和仪表板。可以手动或使用提供的自动化脚本创建数据集。最后，您的 BI 团队或 AI 团队可以针对受管数据层提出自然语言问题，并相信每个响应都反映相同的业务逻辑。
GovScape lets you easily search millions of government documents
华盛顿大学领导的研究团队创建了 GovScape，这是一个高效的期末网络档案 PDF 搜索系统。用户可以查找确切的关键字，例如“FAFSA”，或者使用语义搜索，即使页面上没有出现确切的搜索词，也可以查找有关某个主题的文档。由于研究人员使用了高效的人工智能模型，处理唐纳德·特朗普第一个任期期间在线托管的 1000 万份 PDF 的成本不到 1,500 美元，即每 47,000 页约 1 美元。
Embed the world: Multimodal AI for searchable aerial imagery at scale
在这篇文章中，我们将介绍问题空间、我们在 Amazon Bedrock 和 Amazon OpenSearch Serverless 上的架构、我们在 OpenStreetMap 基础事实上构建的评估方法、比较嵌入模型、融合策略、字幕和搜索方法的四个实验，以及构建类似系统时可以应用的实用指南。您将了解哪些设计选择推动了地理空间语义搜索，包括为什么 Amazon Nova Multimodal Embeddings 在我们的评估中的两个基准查询中提供了最高的 F1 分数。这里描述的工作演变成 Vexcel Intelligence，一种可搜索的图像产品。
