Anthropic 推出了一款新 API,可让其 Claude AI 模型在网络上搜索。Anthropic 在周三发布的新闻稿中表示,使用该 API 的开发者可以构建由 Claude 提供支持的应用程序,从而实现提供最新信息的功能。
此次 API 的发布正值众多 AI 公司寻求以多种方式增强其模型,吸引更多客户使用其平台。与此同时,Anthropic 上周推出了一款将应用程序与 Claude 连接的工具,以及一项扩展的 "deep research" 能力,使 Claude 能够搜索企业账号、网站等更多来源。
Anthropic 在新闻稿中写道: “开发者现在可以在向 [our] API 发起请求时启用网络搜索工具,从而利用实时、真实世界数据来补充 Claude 的全面知识。有了网络搜索,开发者便可以构建集成实时信息的 AI 解决方案,而无需自行管理网络搜索基础设施。”
启用网络搜索 API 后,Claude 将运用 “reasoning” 能力判断某个请求是否会从最新信息或特定知识中受益。如果 Claude 判断需要进行网络搜索,它将生成搜索查询、检索结果、对结果进行分析,并提供附有引用的答案。
此外,Claude 还可以优化其查询并进行多次搜索,利用前期搜索结果来指导后续查询。开发者可以自定义这一行为,并指定 Claude 被允许搜索或禁止搜索的域名。Anthropic 表示,开发者甚至可以在组织层面允许或禁止使用网络搜索。
开发者也可以阻止 Claude 搜索特定域名。
图片来源:Anthropic
在相关消息中,Anthropic 正将网络搜索功能引入其 Claude Code 工具,该工具允许开发者调用 Claude 完成各种编码任务。启用网络搜索后,Claude Code 可访问最新的 API 文档、技术文章以及其他有关开发工具和库的信息。
目前,Claude Code 仍处于作为研究预览版的测试阶段。
好文章,需要你的鼓励
当前企业面临引入AI的机遇与挑战。管理层需要了解机器学习算法基础,包括线性回归、神经网络等核心技术。专家建议从小规模试点开始,优先选择高影响用例,投资数据治理,提升员工技能。对于影子IT现象,应将其视为机会而非问题,建立治理流程将有效工具正式化。成功的AI采用需要明确目标、跨部门协作、变革管理和持续学习社区建设。
这项由东京科学技术大学等机构联合发布的研究提出了UMoE架构,通过重新设计注意力机制,实现了注意力层和前馈网络层的专家参数共享。该方法在多个数据集上显著优于现有的MoE方法,同时保持了较低的计算开销,为大语言模型的高效扩展提供了新思路。
美国垃圾收集行业2024年创收690亿美元,近18万辆垃圾车每周运营六至七天,每日停靠超千次。设备故障成为行业最大隐性成本,每辆车年均故障费用超5000美元。AI技术通过实时监控传感器数据,能提前数周预测故障,优化零部件库存管理,减少重复维修。车队报告显示,预测性维护每辆车年节省高达2500美元,显著提升运营效率和服务可靠性。
小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化,在数学推理和编程任务上超越了320亿参数的大模型,甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施,将训练速度提升2.29倍。该成果已完全开源,为AI民主化发展提供了新思路。