ConvApparel：衡量并弥合用户模拟器的真实感差距
Google Research 推出 ConvApparel 数据集与评估框架，用于量化 LLM 用户模拟器与真实人类行为之间的真实感差距。该数据集包含服装购物领域超 4,000 段人机多轮对话、近 15,000 个轮次，并通过“Good/Bad”双智能体协议及逐轮满意度、挫败感、购买意愿标注采集。
#RAG
#RAG
今日 1 条Google ResearchAI 评分4949
Google Research精选AI 评分6060 Google Research 与高校评估六款 LLM 回答高温超导研究问题的能力
Google Research 联合 Cornell University 等机构发表 PNAS 论文，评估六款 LLM 回答高温超导专家级问题的能力。专家围绕 67 个问题按 0 到 2 分盲评，NotebookLM 和使用相同精选来源的定制 RAG 系统总体表现最好。开放联网模型更容易混合成熟理论与高度推测性理论，所有受测系统还存在时间与语境理解、论文召回、表格和图像理解不足。
推荐理由：研究用专家盲评比较开放联网模型与封闭可信资料库系统，为科研场景中的知识准确性和证据引用提供参照。
Berkeley AI ResearchAI 评分4747 面向 LLM 的规模化交互识别：SPEX 与 ProxySPEX
Berkeley AI Research 提出 SPEX 与 ProxySPEX，用于在大规模特征、训练数据和模型组件中识别影响 LLM 输出的关键交互。SPEX 借助稀疏性、低阶性及信号处理方法，将交互发现转化为稀疏恢复问题；ProxySPEX 进一步利用层级结构，以约 10x 更少的消融达到与 SPEX 相当的性能。
Mistral AI精选AI 评分6666 Mistral AI 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，主打真实代码数据上的检索表现，并称其优于 Voyage Code 3、Cohere Embed v4.0 和 OpenAI 的大型嵌入模型。
推荐理由：官方给出代码检索基准、维度与精度取舍及 API 价格，便于评估其在代码 RAG 和语义搜索中的接入成本。
Mistral AI精选AI 评分7272 Mistral AI 发布 Agents API，支持内置连接器、持久记忆与多智能体编排
Mistral AI 发布新的 Agents API，为构建 AI 智能体提供专用框架，补足 Chat Completion API 在执行动作和保持上下文方面的限制。
推荐理由：官方完整说明了 Agents API 的连接器、持久记忆和多智能体编排，便于评估其与现有 Chat Completion API 的分工。
Mistral AI精选AI 评分6767 Mistral AI 推出由 Mistral Medium 3 驱动的 Le Chat Enterprise
Mistral AI 发布 Le Chat Enterprise，这是由新 Mistral Medium 3 模型驱动的企业级 AI 助手，面向工具分散、知识接入不安全、模型不灵活和 ROI 缓慢等问题。
推荐理由：原文系统列出企业搜索、智能体构建、数据连接器与混合部署能力，可帮助读者判断其面向组织场景的产品边界。
Mistral AIAI 评分5353 Mistral AI 讲解如何用 LLM as a Judge 评测 RAG 系统
Mistral AI 介绍用 LLM as a Judge 评测 RAG 系统的方法，通过裁判 LLM 按自定义标准对生成答案打分。文章采用 TruLens 提出的 RAG Triad，从上下文相关性、 groundedness 和答案相关性三个维度端到端评估检索与生成环节，并展示如何用 Mistral API 的结构化输出和 Pydantic schema 输出机器可读评分。
Mistral AI精选AI 评分7979 Mistral AI 发布 Mistral OCR 文档理解 API
Mistral AI 发布 Mistral OCR，这是一个面向图像和 PDF 的光学字符识别 API，可按顺序提取交错的文本与图像，并支持表格、公式、LaTeX、多语言和多模态文档。
推荐理由：官方说明了 API 定价、速度、文档结构化输出和自托管选项，便于评估其接入 RAG 与企业文档流程的可行性。