Блогът на Perplexity

OG card: chart-to-art exploded axonometric of the JOLT training figure: one set of weights at the base, the Teacher and Student roles above it, six generations per role on top, with crossing dashed paths for each role scoring the other
Проучвания21.10.2026 г.Добрият учител се съобразява с нивото на ученикаНов метод за самодестилация, който обучава съвместно учител и ученик, за да подобри представянето на модела и ефективността на обучението при сложни задачи за разсъждение и агентни задачи.
People working on laptops with the U.S. Capitol visible through a window at dusk.
Новини28.10.2026 г.Новата сертификация по FedRAMP въвежда Perplexity в повече работни процеси на държавната администрацияФедералните агенции могат да търсят в уеб в реално време с Perplexity и да получават отговори с цитирани източници благодарение на нова сертификация по FedRAMP.

Препоръчани

  1. A white shield and keyhole on a translucent glass tile against a teal landscape.
    Идеи29.09.2026 г.Как проектираме по-безопасни агентиМногопластови защити, независим мониторинг и човешки надзор в облачните, браузърните, локалните и endpoint агенти на Perplexity.
  2. Abstract glass panel with illuminated edges separating light and shadow against a dark background.
    Новини15.10.2026 г.Публикуваме с отворен код SPACE – sandbox платформата зад ComputerPerplexity публикува с отворен код SPACE – sandbox платформата зад Computer, за да помогне на разработчиците да създават по-безопасни автономни ИИ агенти
  3. Two people working at separate desks in a dimly lit office.
    Разработчици28.09.2026 г.Agent API вече поддържа преизползваеми агентиЕкипите създават преизползваеми агенти с профили, умения и управлявани конектори с версии, които могат да споделят в приложенията.

Още от екипа на Perplexity Research

  1. Бягство от SPACE: Част IRed-teaming на VM изолацията и мрежовото ограничение за AI агенти.
  2. Изграждане на споделени работни пространства за хора и агентиКак проектите в Perplexity осигуряват постоянство, паралелност и проследимост на дълготрайната работа.
  3. Мултимодални embeddings отвъд единичния векторНово семейство модели с късно взаимодействие за търсене на текст и изображения, със споделено embedding пространство между размерите на моделите.
Всички проучвания

Наскоро публикувани

Намерени 211 публикации

  1. Text embeddings explained: how they work [+examples]This guide explains what text embeddings are, how they turn text into vectors that capture meaning, and how to choose, evaluate, and apply embedding models to search, RAG, and other real-world use cases.
  2. Новата сертификация по FedRAMP въвежда Perplexity в повече работни процеси на държавната администрацияФедералните агенции могат да търсят в уеб в реално време с Perplexity и да получават отговори с цитирани източници благодарение на нова сертификация по FedRAMP.
  3. Основна имплементация на RAG: ръководство стъпка по стъпкаТова ръководство, подходящо за начинаещи, обяснява как работи основната имплементация на RAG, разглежда най-добрите практики и ви превежда през изграждането на работеща RAG система за командния ред с Python, ChromaDB, както и с модела за ембединги и езиковите модели на Perplexity.
  4. Как работи LLM шлюзът? Практическо ръководство за инженерни екипиLLM шлюзът е обратен прокси сървър, който маршрутизира, удостоверява, кешира и регистрира извикванията към вашите модели. Това ръководство проследява пътя на една заявка през него, разглежда рисковете за сигурността и надеждността, които трябва да предвидите, и сравнява вариантите за собствена разработка, самостоятелно хостване, управлявана услуга и API шлюз.
  5. Какво е RAG архитектура? Пълно определение с подробни практически примериRAG архитектурата е съвкупността от компоненти, която съхранява, извлича и подава външна информация към LLM; това ръководство разглежда 10 вида – от базов и хибриден RAG до агентен RAG и GraphRAG – с два примера стъпка по стъпка.
  6. Как да оценявате AI агенти: тестови набори, оценители и регресионни проверкиПрактическо ръководство в шест стъпки за оценяване на AI агенти – от определянето на успеха и създаването на тестови набори от реални неуспехи до избора на оценители, изпълнението на регресионни проверки и наблюдението в продукционна среда.
  7. Как да проследявате и контролирате разхода на токени на екипаКак екипите могат да виждат използването на токени в табла и отчети, кои видове работа с ИИ използват най-много токени и как да използват контроли, за да го намалят.
  8. Добрият учител се съобразява с нивото на ученикаНов метод за самодестилация, който обучава съвместно учител и ученик, за да подобри представянето на модела и ефективността на обучението при сложни задачи за разсъждение и агентни задачи.
  9. Какво е AI шлюз? Ръководство за маршрутизиране, контрол на разходите и управление на трафика на LLM и агентиAI шлюзът е централно прокси между вашите приложения или AI агенти и моделите, които те извикват, което отговаря за маршрутизирането, контрола на разходите, сигурността и наблюдаемостта на едно място.
  10. Perplexity внедрява Computer в корпоративна инфраструктура с ValarianPerplexity и Valarian внедряват Computer в институционална инфраструктура с контроли за чувствителни данни и регулирани работни натоварвания