自然语言搜索引擎公司 Perplexity 即将推出一款网页浏览器,这将使其加入一个长期被 Google 主导的竞争激烈的市场领域。
这款浏览器名为 Comet,但目前我们对其功能特性以及在浏览器市场中的定位还一无所知。Comet 仅通过一则带有炫酷动画的 X (原 Twitter) 平台帖子宣布,没有提供任何具体细节。
Perplexity 在发布帖子后附上了一个链接,邀请用户注册浏览器的 beta 测试。点击链接后,用户会看到一个简单的网页(同样没有任何详细信息),只有一个用于输入邮箱地址的表单。
当我们输入邮箱地址后,收到了一封简短的邮件,表示 Perplexity 将每周添加新用户进入 beta 测试,用户可以通过在社交媒体上分享 Comet 并标记 Perplexity 的账号来加快获取测试资格。
Perplexity 成立于 2022 年,由一群具有机器学习背景的工程师创立。其主要产品是一个基于大语言模型的搜索引擎,用户可以输入查询来获取来自网络和各种数据库的信息。Perplexity 会收集信息、进行总结、展示结果,并接受后续问题以深入探讨。
该公司最近一直在扩展其产品线——例如,他们推出了一款与 OpenAI 和 Google 类似的深度研究工具,以及一个名为 Sonar 的生成式 AI 搜索 API。
然而,在浏览器市场,他们将面临激烈的竞争。Google Chrome 占据了全球网页浏览器使用量的大部分份额,尽管 Perplexity 在 AI 搜索领域处于前沿,但它并不是第一个推出重度使用生成式 AI 功能的浏览器。例如,The Browser Company 已在去年 12 月展示了其 Dia 浏览器。
Dia 将允许用户在搜索栏中输入自然语言命令,比如查找文档或网页,或创建日历事件。Comet 可能也会提供类似功能,但目前我们还不得而知。
到目前为止,面向消费者的 AI 工具主要有三种形式。一是通用型聊天机器人(如 OpenAI 的 ChatGPT 和 Anthropic 的 Claude);二是在现有软件中巧妙植入训练好的深度学习模型(如 Adobe Photoshop 或 Apple 的 iOS);三是较为少见的独立软件,旨在使用 AI 功能重塑现有应用程序类别(如 Cursor IDE)。
此前,在现有软件类别中还没有太多专门的 AI 应用,但预计在未来几年内会看到更多此类应用出现。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。