Блог 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
Исследования21 окт. 2026 г.Хороший учитель исходит из уровня ученикаНовый метод самодистилляции, который совместно обучает учителя и ученика, повышая качество модели и эффективность обучения в сложных задачах на рассуждение и агентных задачах.
People working on laptops with the U.S. Capitol visible through a window at dusk.
Новости28 окт. 2026 г.Новая сертификация FedRAMP расширяет применение Perplexity в государственных рабочих процессахБлагодаря новой сертификации FedRAMP федеральные ведомства могут искать информацию в интернете в реальном времени с помощью Perplexity и получать ответы со ссылками на источники.

Избранное

  1. A white shield and keyhole on a translucent glass tile against a teal landscape.
    Идеи29 сент. 2026 г.Как мы создаем более безопасных агентовМногоуровневая защита, независимый мониторинг и контроль со стороны человека для облачных, браузерных, локальных агентов и агентов на конечных точках Perplexity.
  2. Abstract glass panel with illuminated edges separating light and shadow against a dark background.
    Новости15 окт. 2026 г.Открываем исходный код SPACE — платформы песочниц, на которой работает ComputerPerplexity открывает исходный код SPACE — платформы песочниц, на которой работает Computer, — чтобы помочь разработчикам создавать более безопасных автономных ИИ-агентов
  3. Two people working at separate desks in a dimly lit office.
    Разработчики28 сент. 2026 г.Agent API теперь поддерживает многократно используемых агентовКоманды создают многократно используемых агентов с версионированными профилями, навыками и управляемыми коннекторами для совместного использования в приложениях.

Больше материалов от команды Perplexity Research

  1. Побег из SPACE: Часть IОценка на проникновение изоляции виртуальных машин и сетевой изоляции для ИИ-агентов.
  2. Создание общих рабочих пространств для людей и агентовКак проекты Perplexity обеспечивают сохранность, параллельность и прослеживаемость долгосрочной работы.
  3. Мультимодальные embedding-и за пределами одного вектораНовая семейство моделей позднего взаимодействия для поиска по тексту и изображениям с общим embedding-пространством между размерами моделей.
Все исследования

Недавно опубликованные

Найдено 211 публикаций

  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. Новая сертификация FedRAMP расширяет применение Perplexity в государственных рабочих процессахБлагодаря новой сертификации FedRAMP федеральные ведомства могут искать информацию в интернете в реальном времени с помощью Perplexity и получать ответы со ссылками на источники.
  3. Базовая реализация RAG: пошаговое руководствоВ этом руководстве для начинающих объясняется, как работает базовая реализация RAG, рассматриваются лучшие практики и пошагово описывается создание работающей RAG-системы командной строки с помощью Python, ChromaDB, а также модели эмбеддингов и языковой модели Perplexity.
  4. Как работает LLM-шлюз? Практическое руководство для инженерных командLLM-шлюз — это обратный прокси, который маршрутизирует, аутентифицирует, кэширует и журналирует вызовы ваших моделей. В этом руководстве мы проследим путь запроса через шлюз, рассмотрим риски для безопасности и надежности, которые нужно учесть заранее, и сравним варианты: собственная разработка, самостоятельный хостинг, управляемый сервис и API-шлюз.
  5. Что такое архитектура RAG? Полное определение с подробными практическими примерамиАрхитектура RAG — это набор компонентов, которые хранят, извлекают и передают внешнюю информацию в LLM. В этом руководстве разобраны 10 типов — от базового и гибридного RAG до агентного RAG и GraphRAG — с двумя пошаговыми примерами.
  6. Как оценивать ИИ-агентов: тестовые наборы, оценщики и регрессионные проверкиПрактическое руководство из шести шагов по оценке ИИ-агентов: от определения критериев успеха и создания тестовых наборов на основе реальных сбоев до выбора оценщиков, запуска регрессионных проверок и мониторинга в продакшене.
  7. Как отслеживать и контролировать расход токенов в командеКак командам отслеживать использование токенов на панелях и в отчетах, какие виды работы с ИИ расходуют больше всего токенов и как сократить расход с помощью средств контроля.
  8. Хороший учитель исходит из уровня ученикаНовый метод самодистилляции, который совместно обучает учителя и ученика, повышая качество модели и эффективность обучения в сложных задачах на рассуждение и агентных задачах.
  9. Что такое ИИ-шлюз? Руководство по маршрутизации трафика LLM и агентов, контролю расходов и управлениюИИ-шлюз — это центральный прокси между вашими приложениями или ИИ-агентами и моделями, к которым они обращаются. Он отвечает за маршрутизацию, контроль расходов, безопасность и наблюдаемость в одном месте.
  10. Perplexity переносит Computer на корпоративную инфраструктуру вместе с ValarianPerplexity и Valarian развертывают Computer на инфраструктуре организаций со средствами контроля для конфиденциальных данных и регулируемых рабочих нагрузок