Perplexity блог

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
Истраживање21. окт 2026.Добар учитељ се прилагођава нивоу ученикаНови метод самодестилације који заједнички тренира учитеља и ученика ради побољшања перформанси модела и ефикасности обуке на сложеним задацима расуђивања и агентским задацима.
People working on laptops with the U.S. Capitol visible through a window at dusk.
Вијести28. окт 2026.Нови сертификат FedRAMP доноси Perplexity у више државних токова радаСавезне агенције могу да претражују веб уживо уз Perplexity и добијају одговоре са цитатима захваљујући новом сертификату FedRAMP.

Издвојено

  1. A white shield and keyhole on a translucent glass tile against a teal landscape.
    Идеје29. септ 2026.Kako projektujemo bezbjednije agenteSlojevite zaštitne mjere, nezavisno praćenje i ljudski nadzor u agentima u oblaku, pretraživaču, lokalnim i krajnjim tačkama kompanije Perplexity.
  2. Abstract glass panel with illuminated edges separating light and shadow against a dark background.
    Вијести15. окт 2026.SPACE, sandbox платформа која покреће Computer, сада је отвореног кодаPerplexity објављује SPACE, sandbox платформу која покреће Computer, као отворени код како би програмери могли да граде безбједније аутономне AI агенте
  3. Two people working at separate desks in a dimly lit office.
    Програмери28. септ 2026.Agent API сада подржава агенте за поновну употребуТимови креирају агенте за поновну употребу са верзионисаним профилима, вјештинама и управљаним конекторима које могу дијелити међу апликацијама.

Још од Perplexity истраживачког тима

  1. Бекство из SPACE-а: Дио IРед тимова за VM изолацију и мрежну контејнеризацију за AI агенте.
  2. Изградња заједничких радних простора за људе и агентеКако Perplexity Пројекти обезбјеђују да дуготрајни рад буде трајан, конкурентан и сљедив.
  3. Мултимодални embeddingи изван једног вектораНова породица модела касне интеракције за претрагу текста и слика, са заједничким embedding простором кроз величине модела.
Сва истраживања

Недавно објављено

211 објава пронађено

  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. Нови сертификат FedRAMP доноси Perplexity у више државних токова радаСавезне агенције могу да претражују веб уживо уз Perplexity и добијају одговоре са цитатима захваљујући новом сертификату FedRAMP.
  3. Основна имплементација RAG-а: водич корак по коракОвај водич прилагођен почетницима објашњава како функционише основна имплементација RAG-а, представља најбоље праксе и води вас кроз израду функционалног RAG система за командну линију помоћу језика Python, базе ChromaDB и Perplexity модела за ембединг и језичких модела.
  4. Како функционише LLM гејтвеј? Практични водич за инжењерске тимовеLLM гејтвеј је реверзни прокси који усмјерава, аутентификује, кешира и евидентира позиве ваших модела; овај водич прати један захтјев кроз гејтвеј, обрађује ризике по безбједност и поузданост које треба унапријед предвидјети, и пореди сопствени развој, самостално хостовање, управљана рјешења и опције засноване на API гејтвејима.
  5. Шта је RAG архитектура? Потпуна дефиниција са детаљним практичним примјеримаRAG архитектура је скуп компоненти који чува, проналази и просљеђује спољне информације LLM-у; овај водич објашњава 10 врста, од основног и хибридног RAG-а до агентског RAG-а и GraphRAG-а, уз два примјера корак по корак.
  6. Како евалуирати AI агенте: тест-скупови, оцјењивачи и регресионе провјереПрактичан водич у шест корака за евалуацију AI агената – од дефинисања успјеха и прављења тест-скупова на основу стварних неуспјеха до избора оцјењивача, покретања регресионих провјера и праћења у продукцији.
  7. Како пратити и контролисати потрошњу токена у тимуКако тимови могу да виде потрошњу токена на контролним таблама и у извјештајима, које врсте AI посла троше највише токена и како да је смање помоћу контрола.
  8. Добар учитељ се прилагођава нивоу ученикаНови метод самодестилације који заједнички тренира учитеља и ученика ради побољшања перформанси модела и ефикасности обуке на сложеним задацима расуђивања и агентским задацима.
  9. Шта је AI мрежни пролаз? Водич кроз рутирање, контролу трошкова и управљање саобраћајем LLM модела и агенатаAI мрежни пролаз је централни прокси између ваших апликација или AI агената и модела које они позивају, који на једном мјесту обједињује рутирање, контролу трошкова, безбједност и надгледање.
  10. Perplexity доноси Computer на инфраструктуру предузећа уз ValarianPerplexity и Valarian доносе Computer на институционалну инфраструктуру, уз контроле за осјетљиве податке и регулисана радна оптерећења