Perplexity ब्लॉग

वैशिष्ट्यीकृत
कल्पना२९ सप्टें, २०२६आम्ही सुरक्षित एजंट कसे तयार करतोPerplexity च्या क्लाउड, ब्राउझर, स्थानिक आणि एंडपॉइंट एजंट्समध्ये स्तरित सुरक्षा उपाय, स्वतंत्र मॉनिटरिंग आणि मानवी देखरेख.
बातम्या१५ ऑक्टो, २०२६SPACE ओपन-सोर्स करत आहोत: Computer चा आधार असलेले सँडबॉक्स प्लॅटफॉर्मPerplexity ने Computer चा आधार असलेले सँडबॉक्स प्लॅटफॉर्म SPACE ओपन-सोर्स केले आहे, जेणेकरून डेव्हलपर्सना अधिक सुरक्षित स्वायत्त AI एजंट्स तयार करता येतील
डेव्हलपर्स२८ सप्टें, २०२६Agent API आता पुन्हा वापरता येण्याजोग्या एजंटना समर्थन देतेTeams आवृत्ती नियंत्रित प्रोफाइल, कौशल्ये आणि व्यवस्थापित कनेक्टरसह पुन्हा वापरता येण्याजोगे एजंट तयार करतात जे ते ऍप्लिकेशनमध्ये सामायिक करू शकतात.
Perplexity Research संघाकडून आणखी
SPACE मधून सुटका: भाग IAI एजंट्ससाठी VM अलगाव आणि नेटवर्क कॉन्फिगरेशनचे रेड-टीमिंग.
लोक आणि एजंट्ससाठी सामायिक वर्कस्पेस तयार करणेPerplexity प्रोजेक्ट्स दीर्घकाळ चालणारे काम टिकाऊ, समवर्ती आणि मागोवा घेण्यायोग्य कसे ठेवतात.
एका एकमेव vectorच्या पलीकडील multimodal embeddingsआकारांमध्ये shared embedding space असलेल्या text आणि image retrievalसाठी late-interaction मॉडेल्सचे एक नवीन कुटुंब.
अलीकडे प्रकाशित
२११ पोस्ट आढळल्या
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.
नवीन FedRAMP प्रमाणपत्रामुळे Perplexity आता अधिक सरकारी वर्कफ्लोमध्ये उपलब्धनवीन FedRAMP प्रमाणपत्राचा भाग म्हणून फेडरल एजन्सी Perplexity सह लाइव्ह वेबवर सर्च करू शकतात आणि संदर्भांसह उत्तरे मिळवू शकतात.
मूलभूत RAG अंमलबजावणी: टप्प्याटप्प्याने ट्युटोरियलहे नवशिक्यांसाठी सोपे ट्युटोरियल मूलभूत RAG अंमलबजावणी कशी काम करते हे स्पष्ट करते, सर्वोत्तम पद्धतींचा आढावा घेते आणि Python, ChromaDB आणि Perplexity च्या एम्बेडिंग व भाषा मॉडेल्सचा वापर करून कार्यरत कमांड-लाइन RAG प्रणाली तयार करण्याची प्रक्रिया टप्प्याटप्प्याने समजावते.
LLM गेटवे कसा काम करतो? इंजिनिअरिंग टीमसाठी एक व्यावहारिक मार्गदर्शकLLM गेटवे हा तुमचे मॉडेल कॉल्स राउट, ऑथेंटिकेट, कॅशे आणि लॉग करणारा रिव्हर्स प्रॉक्सी आहे; हे मार्गदर्शक गेटवेमधून जाणाऱ्या एका विनंतीचा मागोवा घेते, नियोजन करताना लक्षात घ्यायच्या सुरक्षा आणि विश्वासार्हतेशी संबंधित धोक्यांचा आढावा घेते आणि स्वतः तयार करणे, सेल्फ-होस्टिंग, व्यवस्थापित आणि API-गेटवे या पर्यायांची तुलना करते.
RAG आर्किटेक्चर म्हणजे काय? सविस्तर व्यावहारिक उदाहरणांसह संपूर्ण व्याख्याRAG आर्किटेक्चर म्हणजे बाह्य माहिती साठवणाऱ्या, पुनर्प्राप्त करणाऱ्या आणि LLM ला पुरवणाऱ्या घटकांचा संच; हे मार्गदर्शक मूलभूत आणि हायब्रिड RAG पासून एजंटिक RAG आणि GraphRAG पर्यंतचे 10 प्रकार दोन टप्प्याटप्प्याच्या उदाहरणांसह सविस्तर समजावून सांगते.
AI एजंट्सचे मूल्यमापन कसे करावे: चाचणी संच, ग्रेडर्स आणि रिग्रेशन तपासण्याAI एजंट्सच्या मूल्यमापनासाठी सहा पायऱ्यांचे व्यावहारिक मार्गदर्शक — यश परिभाषित करणे आणि प्रत्यक्ष अपयशांमधून चाचणी संच तयार करण्यापासून ते ग्रेडर्स निवडणे, रिग्रेशन तपासण्या चालवणे आणि प्रोडक्शनमध्ये मॉनिटरिंग करण्यापर्यंत.
टीमच्या टोकन खर्चाचा मागोवा कसा घ्यावा आणि तो नियंत्रणात कसा ठेवावाटीम्स डॅशबोर्ड आणि अहवालांमध्ये आपला टोकन वापर कसा पाहू शकतात, कोणत्या प्रकारचे AI काम सर्वाधिक टोकन वापरते आणि तो वापर कमी करण्यासाठी नियंत्रणे कशी वापरावीत.चांगला शिक्षक विद्यार्थी जिथे आहे तिथून सुरुवात करतोक्लिष्ट कारणमीमांसा आणि एजंटिक कार्यांवर मॉडेलची कामगिरी आणि प्रशिक्षण-कार्यक्षमता सुधारण्यासाठी शिक्षक आणि विद्यार्थी यांना संयुक्तपणे प्रशिक्षित करणारी एक नवीन सेल्फ-डिस्टिलेशन पद्धत.
AI गेटवे म्हणजे काय? LLM आणि एजंट ट्रॅफिकसाठी राउटिंग, खर्च नियंत्रण आणि गव्हर्नन्सचे मार्गदर्शकAI गेटवे हा तुमची ॲप्लिकेशन्स किंवा AI एजंट आणि ते कॉल करत असलेली मॉडेल्स यांच्यातील एक केंद्रीय प्रॉक्सी असतो, जो राउटिंग, खर्च नियंत्रण, सुरक्षा आणि ऑब्झर्व्हेबिलिटी एकाच ठिकाणी हाताळतो.
Perplexity, Valarian सोबत Computer एंटरप्राइझ पायाभूत सुविधांवर आणत आहेPerplexity आणि Valarian संवेदनशील डेटा आणि नियमनाधीन वर्कलोडसाठीच्या नियंत्रणांसह Computer संस्थात्मक पायाभूत सुविधांवर आणत आहेत