Hugging Face 发布六个 Ettin Reranker 重排序模型（17m、32m、68m、150m、400m、1b），基于 Ettin ModernBERT 编码器，蒸馏 self-mxbai-rerank-large-v2 分数训练，在 MTEB(eng, v2) Retrieval 达各自规模 SOTA。模型以 Sentence Transformers CrossEncoder 接口提供，三行代码可调用。同时发布 train-sentence-transformers Agent Skill（v5.5.0），允许 AI 编码智能体在用户数据上微调模型。训练配方、数据集和脚本已全部开源。
推荐理由：从17M到1B的全尺寸reranker家族，每个量级都是SOTA，而且训练数据和代码全开放，做搜索和RAG的开发者可以无痛替换旧模型。
LlamaIndex 工程师发布了一个财务尽调 Agent 演示应用，用 LiteParse 解析 SEC 文件并获得文本的 bounding box 坐标，使 Agent 回答能在原始 PDF 页面上高亮精确来源。
推荐理由：作者完整拆解了一个约 600 行代码的尽调 Agent 实现，检索与引用方案可直接迁移到类似的文档问答项目。
PaddleOCR 发布 3.5 版本，正式将 Transformers 确立为运行 PP-OCRv5 及 PaddleOCR-VL 1.5 模型的可选推理后端之一。此次更新引入了更灵活的 `engine` 与 `engine_config` 参数，允许开发者自主选择后端并配置数据类型、设备等选项。其核心价值在于，显著降低了将文档处理能力集成至以 Transformers 为中心的主流开发栈（如 RAG、智能体、文档AI）的门槛，使开发者能更便捷地利用现有生态，减少集成阻力，从而专注于下游应用构建。
推荐理由：PaddleOCR 3.5 最大的变化不是新模型，而是终于能跑在 Transformers 上了，做 RAG 和文档智能的开发者可以少写一堆胶水代码。
IBM 发布两个 Apache 2.0 开源多语言嵌入模型：97M 参数的紧凑型（granite-embedding-97m-multilingual-r2）在 MTEB Multilingual Retrieval 上得 60.3 分，超越所有开放子 1 亿参数模型；311M 全尺寸模型（granite-embedding-311m-multilingual-r2）得 65.2 分，在 500M 以下开放模型中排第二，并支持 Matryoshka 维度。两者均基于 ModernBERT 架构，支持 200+ 种语言，针对 52 种语言和 9 种编程代码检索训练，上下文窗口达 32,768 tokens。可直接替换 sentence-transformers、LangChain、LlamaIndex 等框架中的默认模型，预置 ONNX 和 OpenVINO 权重以优化 CPU 推理。
推荐理由：97M小模型在跨语言检索上打败很多300M级选手，32K上下文让长文档处理不再鸡肋，Apache 2.0开源意味着做多语言RAG的可以直接拿来当默认嵌入模型了。
Manus 的 Google Drive 连接器原生支持 Drive、Docs、Sheets 和 Slides，可跨格式读取、编辑和创建内容。它能把指定 Drive 文件夹当作实时知识库，自动从图像和 PDF 提取数据并追加到 Google Sheet、生成可视化仪表板，或用一条提示词完成客户文件夹的复制、个性化与共享。
LlamaIndex 发布 liteparse-server，将 LiteParse 封装为可自托管的 HTTP 文档解析服务，支持 PDF、Word、PowerPoint、表格和图片，输出带 bounding box 的空间布局文本。
推荐理由：原文给出了接口、格式支持和两种部署模式的具体细节，读者可以据此评估自托管文档解析在隐私和成本上的取舍。
腾讯云QClaw正式上线“文件空间”功能，通过一次授权即可一站式打通用户的本地文件、腾讯文档和ima知识库，实现了深度集成与稳定的权限管控。用户可在QClaw内直接操作腾讯文档内容，勾选多份文件交由AI处理，AI能生成可协作的活化文档并支持团队协同编辑。同时，用户可直接调取ima知识库文件进行分析，AI生成的方案也能一键保存回知识库，便于后续使用。
研究团队发布了开源肿瘤临床决策支持系统OncoAgent。该系统采用双层多智能体框架，结合LangGraph拓扑与四阶段Corrective RAG流程，检索超过70份权威临床指南。系统根据查询复杂度，将任务路由至9B参数的速度优化模型或27B参数的深度推理模型，两者均通过QLoRA在AMD MI300X硬件上使用包含26万余病例的数据集进行微调。系统强制执行严格的零受保护健康信息政策，并通过三层反射安全验证器确保安全，支持完全本地部署以保护患者数据主权。
推荐理由：这个开源肿瘤AI系统把多智能体、RAG和隐私合规全塞进一台AMD服务器，临床落地又近了一步，不是那种只发论文不交代码的项目。
Google AI Developers@googleaidevs精选AI 评分6868
推荐理由：如果你在用 Gemini 搭 RAG 系统，这三项更新能直接改善搜索精度和可解释性，多模态搜索终于把图片和文档打通了，值得马上试试。
安全工程师仅花费12美元注册域名并编辑维基百科词条，虚构了一场纸牌游戏的2025年世界冠军赛事。多款具备联网搜索功能的AI聊天机器人将此虚假信息当作事实传播，暴露了AI在检索增强生成（RAG）中的核心漏洞：模型无条件信任网络检索结果，无法甄别信息来源真伪。此次低成本攻击揭示了AI在信息可信度与数据溯源方面存在重大隐患，涉及检索层误导、训练语料污染及智能体被操控执行恶意操作等多重风险。
Google正式发布Gemini Embedding 2统一嵌入模型，该模型能将文本、图像、视频、音频和文档映射到同一语义空间。开发者可通过单请求处理交织多模态输入，显著提升智能RAG、视觉搜索等内容审核任务的性能。模型支持超100种语言，并提供任务特定前缀和马特廖什卡降维等特性，为构建复杂AI智能体提供高效精准的基础。
推荐理由：开发者做多模态RAG的苦日子结束了，Gemini Embedding 2把文本、图片、视频塞进同一个语义空间，还自带Matryoshka降维，直接省掉一堆胶水代码。
Google AI Developers@googleaidevsAI 评分5858既然Gemini Embedding 2已正式发布，让我们探索该模型解锁的功能——从智能多模态RAG到视觉搜索——因为它能将文本、图像、视频、音频和文档映射到统一的嵌入空间。
Rohan Paul@rohanpaul_aiAI 评分5151We're excited to announce VectorAI DB, the first vector database purpose-built for high-performance, reliable AI at the edge. RAG isn't dead. It just can't run in the environments that need it most. In manufacturing, 46% of AI pilots never leave the OT network. Healthcare, defense, and financial services are no different. VectorAI DB runs RAG pipelines, semantic search, and real-time AI agents on-premises, at the edge, or air-gapped. Before today, 1,000+ devs across three hackathons had already built on it. A maritime AI system. An on-device AI therapist. Cardiac imaging on a closed hospital cluster. And these are just a handful of what VectorAI DB makes possible. VectorAI DB is NOW OPEN to the public. Come throw your hardest problem at it. Download link in the comments.
LlamaIndex 发布教程，介绍如何用 LlamaParse Extract 和 Claude 构建三步式贷款收入核验流水线：先用 Pydantic schema 从贷款申请、W-2、工资单和银行对账单四类文档抽取结构化数据，再用 Claude（claude-sonnet-4-6）做跨文档交叉校验并生成 HTML 报告。
LlamaIndex 详解其开源 PDF 解析工具 LiteParse 的网格投影算法核心原理。PDF 只存储文本内容和绘制坐标而无阅读顺序，算法通过提取左、右。
推荐理由：LiteParse 官方拆解其网格投影算法的设计取舍与实现细节，读者可以了解 PDF 文本提取如何用对齐锚点保留表格和多栏结构。
摩根士丹利基于开源 X3D RAG 基准测试显示，在 RAG AI 向量搜索场景中，AMD 3D V-Cache 处理器性能较非 X3D 型号最高提升 88%。10 万批量搜索中，Ryzen 3D V-Cache 芯片速度领先 88%；20 万规模下，Ryzen 7 9850X3D 较 9700X 提升超 50%，甚至超越 16 核的 9950X。大容量缓存显著优化 HNSW 图检索算法，使索引构建耗时在 10 万和 20 万规模下分别缩短 50% 和 39%。
一篇博客文章分享了将脆弱的销售研究原型重构为健壮生产级智能体的关键经验。通过采用Google智能体开发套件（ADK），团队以编排式子智能体替代了单体脚本，并引入结构化的Pydantic输出模型，从而消除了静默故障和脆弱的解析问题。文章进一步强调，动态检索增强生成（RAG）管道与OpenTelemetry可观测性对于确保智能体在实际应用中的可扩展性、成本效益和运行透明度至关重要。这些改造使智能体能够可靠处理复杂任务，具备了生产环境所需的鲁棒性与可维护性。
Google Gemini@GeminiAppReady to make the most of notebooks in Gemini? Join @GoogleDeepMind Product Manager, Rebecca Zapfel, for a live demo on mastering multimodal context, persistent memory, project organization, and using @NotebookLM notebooks as sources. A live Q&A will follow. 📅 This Thursday, April 16 at 11:30 AM PT 👉Not in our Discord yet? Join here: http://discord.gg/gemini
AI Search 作为面向智能体的搜索基础组件发布，支持动态创建实例、上传文件，并基于混合检索与相关性增强技术实现跨实例搜索。用户只需完成创建搜索实例、上传文档、执行检索三步操作，即可为 Agents 快速构建高效的知识检索能力，满足智能体对信息查询与知识管理的核心需求。
Sentence Transformers 发布了用于训练和微调多模态嵌入与重排序模型的功能。新版本支持将文本、图像等不同模态的数据映射到统一的向量空间，并优化了跨模态检索的精度。关键改进包括对嵌入模型和重排序器进行联合或分阶段训练，显著提升了如图文检索等任务的性能指标。此次更新旨在通过开源工具推动多模态人工智能技术的普及与发展。
推荐理由：这是训练多模态嵌入模型的全套指南，附带 VDR 微调实验和代码。如果你需要把文本和图像检索对齐到自己的业务数据上，这篇能省掉大量试错时间。
了解如何在 ChatGPT 中上传 PDF、电子表格等文件，利用该功能分析数据、总结文档，并基于文件内容生成新内容。
VimRAG 是一个开源框架，通过模态统一记忆技术，支持图文视频全模态知识库，告别分模态处理，实现一体化管理。
Sentence Transformers 开源社区发布了支持多模态的嵌入与重排序模型。新模型能够同时处理文本和图像输入，生成统一的语义向量表示，并可通过交叉编码器实现细粒度相关性重排序。该版本显著扩展了原框架的纯文本能力，支持图像-文本检索、跨模态匹配等场景，所有代码与预训练模型均已开源，延续了其推动AI民主化的目标。
推荐理由：Sentence Transformers v5.4 把多模态嵌入和重排变成统一 API，跨模态 RAG 从试验品变成开箱即用，做多模态搜索的开发者可以直接上手复制。
LlamaIndex 为 Claude Code、OpenClaw、OpenCode 等支持技能叠加的 agent 运行时推出 LlamaParse 和 LiteParse 两套文档解析技能，可经 npx skills add run-llama/llamaparse-agent-skills 安装，无需 MCP 服务器。
LlamaIndex 复盘 LlamaParse 的两类生产故障：LLM 重复循环导致 token 消耗和延迟暴增、资源耗尽，以及 recitation 内容过滤把合法文档抽取误判为版权违规而强行截断输出。
推荐理由：当事方复盘两类真实生产事故的根因、各厂商 API 表现差异与具体缓解手段，方法可直接迁移到其他 agentic 文档处理系统。
Claude@claudeai精选推荐理由：Claude全计划上线Microsoft 365集成，企业办公场景重大增强
LlamaIndex 发布 LlamaParse 更新，直接从 Word XML 提取 .docx 表格内容并转成 markdown，保留原始文档结构。改进对复杂格式、合并单元格、嵌套表格和超链接的表格效果明显，团队还自研了页面归因技术解决 XML 无分页信息的问题。
结合 LlamaParse 与 Gemini 3.1 模型，可从复杂的非结构化文档中提取高质量数据。该方案采用事件驱动架构，利用 Gemini 3.1 Pro 对密集的金融表格进行智能解析，并使用 Gemini 3.1 Flash 进行高性价比的摘要生成。开发者通过此教程可构建个人财务助手，将杂乱的经纪账户对账单转化为结构清晰、易于理解的分析报告。
推荐理由：开发者可快速上手构建财务AI助手，将杂乱数据转化为结构化见解。
LlamaIndex 开源 LiteParse，一个完全本地运行的 CLI 和 TS 原生库，可从 PDF、Office 文档和图片中提取布局感知文本，无需 Python 依赖，内置 Tesseract.js OCR 并支持外接 PaddleOCR、EasyOCR 等 OCR 服务。
推荐理由：开源工具主打本地快速解析加截图兜底的 Agent 模式，并自建评测对比 PyPDF 等基线，读者可评估是否迁移现有解析流程。
Google Research 与康奈尔大学在 PNAS 发表研究，评估六个 LLM 回答高温超导领域专家级问题的能力。测试包含 67 个关于铜氧化物超导机制的深层问题，由 12 位国际专家评分。结果显示，基于 15 篇精选综述和 1726 个质量控制来源的封闭系统（NotebookLM 及定制系统）表现最优，而开放网络访问的模型准确性不足。研究表明，在专业物理领域，基于 curated 数据库的封闭系统比开放搜索更能提供准确、均衡的学术回答。
LlamaIndex 发文解释 AI 智能体读 PDF 难的根本原因：PDF 源自 1982 年的 PostScript，只存绘图指令而非字符，文本编码、表格、图表和阅读顺序都需要启发式推断。
推荐理由：文章从 PDF 格式底层设计讲清解析困难的根源，并给出文本提取与视觉模型结合的可迁移架构思路。
LlamaIndex 发布 CLI 工具 audio-kb，可在终端录制或上传音频笔记，用 LlamaParse 转写、Gemini Embedding 2（3072 维向量）嵌入，并存入带 HNSW 索引的本地 SurrealDB 后语义检索。
LlamaIndex 官方宣布公司使命收窄为构建智能体文档处理基础设施（OCR、抽取与工作流），不再定位为单纯的 RAG 框架。
推荐理由：官方复盘了通用 LLM 框架价值下降的原因，并说明转向文档基础设施的动机和产品布局，读者可借此理解框架类公司的转型逻辑。
