KDD'26 美团 8 篇论文精选及 KDD Cup'26 DataAgents 赛道冠军思路解读
美团技术团队在 KDD 2026 分享 8 篇收录论文，覆盖推荐大模型 MTFM、奖励建模框架 CDRRM、智能体搜索基准 LocalSearchBench、跨域 ETA 元泛化框架 UME、自动竞价模型 GRAD、生成式推荐训练系统 MTGenRec 等方向。
#RAG
美团技术团队AI 评分2222
AWS Machine Learning BlogAI 评分3434 用 Amazon Quick 和 Adjudicated Query 模式批量核查数千份租约合规性
AWS 提出 Adjudicated Query 设计模式，让业务用户在 Amazon Quick 聊天界面提出合规问题，实际判定交由确定性规则引擎完成，模型只负责把自然语言问题翻译为固定类型操作并叙述结果。
AWS Machine Learning BlogAI 评分5151 在 Amazon SageMaker AI 上用多轮 RL 微调搜索智能体
AWS 团队在 Amazon SageMaker AI 上用多轮强化学习（MTRL）微调 Qwen3.6-27B 搜索智能体，仅调整 max_epochs、global_batch_size、rollout_max_concurrency 三个超参数，其余走默认值。
Hugging Face Blog精选AI 评分6262 Ai2 开源 AstaBrief 8B 科学报告生成模型
Ai2 开源 AstaBrief 8B，一个把研究问题与检索到的文献片段转成带引用报告的模型，基于 Qwen3-8B 经 SFT 和 DPO 训练，并同步开放训练数据。
推荐理由：原文公开了训练数据构造、引用过滤与评测细节，可供做科学文献合成与RAG报告生成的团队参考。
AWS Machine Learning BlogAI 评分3636 用 NVIDIA NeMo Agent Toolkit 和 Amazon S3 Vectors 构建智能体记忆
NVIDIA NeMo Agent Toolkit（NAT）可将 Amazon S3 Vectors 作为自定义持久记忆后端，实现语义检索、强写一致性和单索引最高 20 亿向量的弹性扩展。
AWS Machine Learning BlogAI 评分3232 用 Amazon Bedrock Knowledge Bases 以自然语言查询理赔数据
Amazon Bedrock Knowledge Bases 可通过 AgenticRetrieveStream API 用自然语言查询理赔文档并返回带引用的答案。
AWS Machine Learning BlogAI 评分2222 Amazon Quick 提示词工程基础指南
Amazon Quick 的提示词工程决定其 AI 功能对自然语言请求的响应质量，适用于构建自定义智能体、编写自动化流程和对话式数据分析。文章提出核心原则：以具体细节消除歧义、用业务上下文校准输出、用示例代替描述，并给出适用于复杂请求的 CRISPE 结构化框架。
AWS Machine Learning BlogAI 评分2222 Amazon Quick 各组件提示词工程：模式与陷阱
AWS 博客按组件拆解 Amazon Quick 的提示词写法：Quick Research 需明确目标、受众与范围，并自行拆解子问题、限定数据源；Quick Flows 要写清时间、数据源与输出格式，复杂逻辑用编号步骤，并可通过对话迭代修改。Quick Sight 的查询则需包含业务问题、指标、维度与可视化偏好。
AWS Machine Learning BlogAI 评分2828 用 Amazon Quick 和 Amazon Bedrock AgentCore 构建 AI 合同智能平台
基于 Amazon Quick 与 Amazon Bedrock AgentCore 的合同智能平台，用 AI 智能体从合同 PDF 中提取字段并交叉验证，解决 RAG 无法跨数百份合同做聚合统计的问题。
AWS Machine Learning BlogAI 评分3434 Condé Nast 如何用 Amazon Bedrock 构建多模态视频检索
Condé Nast 与 AWS 生成式 AI 创新中心合作，基于 Amazon Bedrock 和 Amazon OpenSearch Service 构建多模态视频检索方案，并选用 TwelveLabs Marengo 嵌入模型联合编码画面、音频与转录文本。
GitHub Blog · AI & MLAI 评分2222 GitHub Podcast 拆解 AI 热门观点：该不该读 AI 代码、RAG 已死、Skills 是否杀死 MCP
GitHub Podcast 最新一期拆解了五个 AI 热门观点：AI 生成代码仍需阅读和负责，但审查力度应随风险变化；Skills 与 MCP 解决不同问题，前者是打包的团队经验，后者是连接工具与数据的标准；RAG 并未死亡，检索能让模型更接近答案并减少 token 消耗。节目还讨论了企业招聘中的 AI 使用判断力，以及微调需求可能反映代码库可维护性问题。
Google ResearchAI 评分3434 Google Research 提出 Retrieve-for-Train：用 RL 编译扩散检索器绕过推理瓶颈
Google Research 提出 Retrieve-for-Train 框架，通过离线强化学习发现奖励对齐的查询扇出并编译为监督信号，再蒸馏进一个 53.9M 参数的扩散检索器，实现推理时单次非自回归的查询扇出，无需测试时 CoT 推理 token。
Hugging Face BlogAI 评分5858 H Company 发布 NeoMME 多语言多模态编码器，含 260M 与 800M 两个版本
H Company 发布 NeoMME，一个 260M 和 800M 的多语言多模态编码器家族，用单个双向 Transformer 同时处理文本 token 和 32×32 图像 patch，从零以掩码离散扩散目标预训练，不依赖预训练视觉塔或因果语言模型。
Hugging Face BlogAI 评分3232 Hugging Face Inference Endpoints、Jobs 与 Buckets 如何支撑 Papers with Code 的搜索
Papers with Code 采用混合搜索系统，用 PostgreSQL 全文检索加 pgvector 向量召回，并通过 RRF 融合两路结果。
Mistral AI精选AI 评分7171 Mistral 发布 Agentic Search 检索层
Mistral 发布 Agentic Search，作为让模型在复杂文档中导航、阅读并核验信息的检索层，通过 Mistral Search Toolkit 和 Studio、Vibe 中的 Libraries 提供。
推荐理由：原文给出多步检索循环在 FinanceBench 与 OfficeQA Pro 上的准确率、token 与延迟变化，可据此判断传统一次性 RAG 的边界。
Hugging Face Blog精选AI 评分6060 Sentence Transformers v6.0 新增 MultiVectorEncoder 支持晚交互检索
Sentence Transformers v6.0 新增第四种模型类型 MultiVectorEncoder，用于 ColBERT 式晚交互检索，PyLate 与 Stanford-NLP ColBERT 检查点可直接加载，colpali-engine 的视觉文档检索模型也能通过同一套 API 使用。
推荐理由：Sentence Transformers v6.0 新增多向量编码器，读者可据此判断晚交互检索的接入方式与索引成本。
Mistral AI精选AI 评分6767 Mistral 发布 OCR 4 文档解析模型
Mistral 发布 OCR 4，在提取文本之外返回边界框、块类型分类和逐页逐词置信度分数，支持 170 种语言、10 个语系，可单容器自托管部署。
推荐理由：官方给出 OCR 4 的边界框、块分类与置信度输出，以及自托管和按页计价方案，便于评估文档解析管线。
Google ResearchAI 评分5858 Google 在 Gemini Enterprise Agent Platform 上线 Agentic RAG
Google 在 Gemini Enterprise Agent Platform 推出由 Agentic RAG 驱动的跨语料检索公开预览版，通过编排器、规划器、查询改写、搜索扇出和充分上下文智能体协同处理多源多跳查询。相比标准 RAG，该框架在事实性数据集上准确率最高提升 34%；在跨语料设置下从 4 个候选语料中路由查询，90.1% 的问题回答正确，单语料与跨语料版本延迟平均相差约 3%。
Mistral AI精选AI 评分7171 Mistral AI 发布 Search Toolkit 公开预览版
Mistral AI 发布 Search Toolkit 公开预览版，这是一个用于构建 AI 应用生产级搜索管线的可组合框架，将数据摄取、检索和评测整合到共享接口下，开源并支持云端、本地和边缘部署。
推荐理由：原文给出检索管线的统一框架与内置评测指标，读者可据此判断自建 RAG 检索栈的整合成本。
Hugging Face BlogAI 评分4444 Hugging Face 发布 Ettin Reranker 系列：六款 CrossEncoder 重排序模型
Hugging Face 发布 Ettin Reranker 系列六款 Sentence Transformers CrossEncoder 重排序模型，参数规模从 17m 到 1b，基于 Ettin ModernBERT 编码器构建。
Hugging Face BlogAI 评分4141 Granite Embedding Multilingual R2 发布：Apache 2.0 多语言嵌入模型，32K 上下文
IBM 在 Hugging Face 发布两款 Apache 2.0 多语言嵌入模型 granite-embedding-97m-multilingual-r2 与 granite-embedding-311m-multilingual-r2，均基于 ModernBERT，支持 200+ 语言、32K token 上下文（较 R1 提升 64 倍）及 9 种编程语言代码检索。
Hugging Face BlogAI 评分4141 用 Sentence Transformers 训练与微调多模态嵌入和 Reranker 模型
Sentence Transformers 现已支持训练和微调多模态嵌入与 Reranker 模型，作者以 Qwen/Qwen3-VL-Embedding-2B 微调视觉文档检索（VDR）为例，微调后 NDCG@10 从基线的 0.888 提升至 0.947，超过所有对比的现有 VDR 模型，包括参数量达其 4 倍的模型。
Hugging Face BlogAI 评分4040 VAKRA 基准解析：AI 智能体的推理、工具调用与失败模式
Hugging Face 发布 VAKRA，一个面向企业级环境的工具接地可执行基准，用于评估 AI 智能体的组合推理与多步工作流执行能力。该基准提供 8,000+ 本地托管 API、覆盖 62 个领域，任务需 3-7 步推理链，包含 API 链式调用、工具选择与多跳推理四类任务，模型整体表现不佳。博客进一步分析了不同任务上观察到的失败模式。
Hugging Face Blog精选AI 评分6262 Sentence Transformers v5.4 支持多模态嵌入与重排模型
Sentence Transformers 发布 v5.4，可在同一套 API 中编码和比较文本、图像、音频与视频，并支持多模态重排模型。新增能力覆盖跨模态相似度、encode_query/encode_document 检索流程以及先检索后重排的 RAG 模式，官方同时列出了 Qwen3-VL、NVIDIA Nemotron、BGE-VL 等已支持模型。
推荐理由：官方给出 v5.4 多模态嵌入与重排的完整用法和模型清单，可据此判断跨模态检索的落地路径。
Hugging Face Blog精选AI 评分6262 如何在一天内构建领域专用嵌入模型
NVIDIA 发布一套基于 NeMo 的嵌入模型微调流程，用单张 GPU 和不到一天时间把通用嵌入模型改造成领域专用模型，无需人工标注。流程包含用 LLM 从领域文档生成合成问答对、挖掘难负样本、多跳问题展开、对比学习微调、BEIR 评测以及导出为 ONNX/TensorRT 并用 NVIDIA NIM 部署六步。
推荐理由：原文给出从文档到部署的六步嵌入模型微调流程与实测指标，可迁移到自有领域语料。
OpenAI NewsAI 评分5050 ChatGPT 上线公司知识功能：接入应用上下文，面向 Business、Enterprise 和 Edu 用户开放
ChatGPT 推出公司知识（Company knowledge）功能，可将来自你所用应用的上下文带入 ChatGPT，给出针对企业业务的回答，并附带清晰引用、安全、隐私和管理员控制。该功能现已面向 Business、Enterprise 和 Edu 用户开放。
Hugging Face BlogAI 评分3838 Hugging Face 推出 RTEB：面向真实场景的检索嵌入基准测试
Hugging Face 发布 Retrieval Embedding Benchmark（RTEB）beta 版，用于评估 embedding 模型在真实应用中的检索准确率。该基准采用公开与私有数据集混合策略，私有部分由 MTEB 维护者评测，以检测模型在未见数据上的泛化能力，覆盖 20 种语言及法律、医疗、代码、金融等领域，默认榜单指标为 NDCG@10。
Hugging Face Blog精选AI 评分6262 Google 发布 EmbeddingGemma 多语言嵌入模型
Google 发布 EmbeddingGemma，一款面向端侧场景的多语言嵌入模型，308M 参数、2K 上下文窗口，支持 100 多种语言，量化后内存占用低于 200MB。
推荐理由：原文给出 308M 参数、2K 上下文与量化后 200MB 内存等指标，可据此判断端侧多语言检索的可用边界。
Hugging Face BlogAI 评分3636 NVIDIA AI-Q 蓝图基于 Llama Nemotron 登顶 DeepResearch Bench 开源榜单
NVIDIA 的 AI-Q Blueprint 在 DeepResearch Bench 的 Hugging Face "LLM with Search" 榜单上以 40.52 分登顶，成为得分最高的全开源许可方案。
Hugging Face BlogAI 评分3434 用 Sentence Transformers 训练和微调稀疏嵌入模型
Sentence Transformers 现已支持训练和微调稀疏嵌入模型，可产出如 sparse-encoder/example-inference-free-splade-distilbert-base-uncased-nq 这类低成本模型，尤其适合混合搜索或检索重排场景。
Mistral AI精选AI 评分6262 Mistral 发布代码嵌入模型 Codestral Embed
Mistral AI 发布首个面向代码的嵌入模型 Codestral Embed，官方称其在真实代码数据检索任务上优于 Voyage Code 3、Cohere Embed v4.0 和 OpenAI 的大型嵌入模型。
推荐理由：官方给出代码嵌入模型在检索基准上的对比与按维度裁剪的存储成本权衡，可据此评估代码 RAG 的选型。
Hugging Face BlogAI 评分4040 Hugging Face 回顾视觉语言模型一年进展：更小、更快、更强
Hugging Face 发文回顾过去一年视觉语言模型的关键变化，涵盖 any-to-any、推理、小尺寸、MoE 解码器、视觉语言动作模型等新趋势。
Mistral AIAI 评分3535 Mistral 如何用 LLM as a Judge 评估 RAG 系统
Mistral 提出用 LLM as a Judge 配合结构化输出实现 RAG Triad 评估框架，从上下文相关性、有据性和答案相关性三个维度打分。该框架由 TruLens 提出，RAGAS 等类似方案也已出现，用于端到端评估 RAG 系统的检索与生成质量。Mistral 模型可同时充当生成器和评判器，结构化输出让评分标准可复用且易于机器读取。
Hugging Face BlogAI 评分3636 如何用 Sentence Transformers 训练和微调 Reranker 模型
Hugging Face 发布教程，介绍如何用 Sentence Transformers 库微调 reranker（Cross Encoder）模型，涵盖数据集、损失函数、训练参数、评估器与 Trainer 等组件。
Mistral AI精选AI 评分7676 Mistral AI 发布文档理解 OCR API Mistral OCR
Mistral AI 发布光学字符识别 API Mistral OCR，可读取图片和 PDF，按顺序交错输出文本与图像，并已作为 Le Chat 文档理解的默认模型。
推荐理由：官方给出与 Google Document AI、Azure OCR、Gemini 系列的横向基准对比，可据此判断文档解析在 RAG 流程中的选型空间。
Hugging Face BlogAI 评分4040 Hugging Face 发布 vdr-2b-multi-v1 多语言视觉文档检索嵌入模型
Hugging Face 推出 vdr-2b-multi-v1，一个面向多语言视觉文档检索的嵌入模型，可直接编码文档页面截图，无需 OCR 或分块流程。
Hugging Face BlogAI 评分2222 Hugging Face 专家支持案例：用 LLM-as-a-Judge 强化 Farmer.chat 的 RAG 应用
CGIAR 与 Digital Green 在 Hugging Face 专家支持下为农业问答机器人 Farmer.chat 搭建了 LLM-as-a-Judge 评估体系，用于衡量 RAG 回答的质量、简洁度与准确性。
Hugging Face BlogAI 评分3434 如何用 distilabel 打造 Argilla 2.0 聊天机器人
Hugging Face 博客展示了如何借助 distilabel 为 Argilla 2.0 构建能理解技术文档的聊天机器人：先从 GitHub 文档生成合成数据集，微调领域专用嵌入向量模型，再搭建向量数据库，并将 Gradio 应用部署到 Hugging Face Space，交互记录存入 Argilla 用于持续评估改进。
Hugging Face BlogAI 评分2222 Banque des Territoires x Polyconseil x Hugging Face：用主权数据方案升级法国校园环保项目 EduRénov
Banque des Territoires（CDC 集团）、Polyconseil 与 Hugging Face 合作开发了一套基于 RAG 的主权数据方案，用于支持 EduRénov 校园生态改造项目，首阶段已完成。
Hugging Face BlogAI 评分2828 Hugging Face 为 Amazon SageMaker 推出嵌入向量容器
Hugging Face Embedding Container for Amazon SageMaker 正式可用（GA），AWS 客户可借此在 SageMaker 上部署嵌入向量模型，构建 RAG 等生成式 AI 应用。