Поисковые технологии. - страница 6

Мечтали ли шумеры о нейросетях — от «живых поисковиков» до вездесущего ИИ

В наши дни поиск информации стал почти скучен и почти тривиален. На 90% запросов и вовсе можно получить ответ от встроенной в поисковик нейросети, без необходимости прокликивать пару десятков ссылок. Разумеется, так было не всегда. Автору статьи, например, до сих пор непривычно пользоваться нейроподсказками. Прочитать текст по ссылке своими глазами  —  бесценно, если требуется на 100% точная информация.

продолжить чтение

ChatGPT ссылается на мошеннические сайты-клоны магазинов, созданные для похищения данных банковских карт

Исследователи выяснили

продолжить чтение

Microsoft представила поисковик Web IQ на базе Bing для ИИ-агентов

Microsoft представила набор API-интерфейсов Web IQ на базе поисковика Bing. Он позиционируется как поисковая система для ИИ-агентов, которая предложит им структурированные данные для работы.

продолжить чтение

Русский гений, придумавший поисковую систему в 19-м веке

В культурном сознании перфокарта плотно привязалась к эпохе огромных компьютеров, лабиринтообразных НИИ и прото-программистов в толстых роговых очках, задумчиво смолящих папиросы перед монолитными манипуляторами ЭВМ.Но история ее началась гораздо раньше и в итоге привела к появлению первой поисковой системы и, наверно. первого аналогового компьютера в то время, когда люди еще для письма щипали у гусей перья.Дело шелкопрядов

продолжить чтение

SEO, AEO и GEO в 2026 году. Как алгоритмы ИИ-поиска меняют трафик и как измерять долю ответов нейросетей

Рост позиций сайта в традиционной поисковой выдаче больше не гарантирует переходы пользователей на сайт. Генеративная выдача (модули AI Overviews в Google и ЯндексНейро) перехватывает трафик на нулевом экране. Искусственный интеллект выдает готовый текст и точные ответы на вопросы пользователя раньше, чем тот доберется до ссылок на сайты. Одновременно с этим поисковые алгоритмы перестали ранжировать контент, который представляет собой банальный рерайт и не несет новой информации.

продолжить чтение

Почему RAG — это не просто «добавить поиск»: latency, качество и выбор стратегии retrieval

Главное: RAG — это не просто «поиск + LLM». В локальном эксперименте основная дополнительная нагрузка появилась не в vector DB, а в embedding запроса, росте размера prompt и его обработке моделью. Top-k, chunk size и retrieval mode оказались параметрами проектирования и контроля, а не техническими настройками «по умолчанию». Главный вывод: стратегию retrieval нужно выбирать под тип вопроса, структуру данных, latency budget и требований к качеству.Введение

продолжить чтение

Число установок DuckDuckGo выросло на 30%, поскольку пользователи чаще отказываются от навязываемого Google ИИ-поиска

Из-за расширения функций искусственного интеллекта в поисковой системе Google пользователи стали активно переходить на поисковик DuckDuckGo. За последнюю неделю число установок приложения DuckDuckGo выросло на 30%.

продолжить чтение

ЕС готовится оштрафовать Google за нарушение DMA

Европейский союз планирует оштрафовать Google на сотни миллионов евро за антимонопольное поведение, пишет Reuters со ссылкой на немецкую газету Handelsblatt. Это будет самый крупный штраф, который ЕС когда-либо налагал за нарушение Закона о цифровых рынках (DMA), направленного на ограничение власти крупных технологических компаний.

продолжить чтение

ИИ-боты сканируют даже логи TLS-сертификатов. Любая информация используется для обучения LLM

Согласно статистическому отчёту State of AI Traffic от компании по компьютерной безопасности Human Security, за последний год резко увеличилась активность ИИ-агентов, ботов и ИИ-инструментов в интернете.Например, трафик от ИИ-агентов увеличился почти в 80 раз (на 7851%), трафик от ИИ-скраперов — на 597%. Весь ИИ-трафик за последний год увеличился на 187%, а в целом он растёт в восемь раз быстрее, чем человеческий.

продолжить чтение

Некорпоративный Хабр: семантический поиск и фильтрация по структурированным полям в браузере (llama.cpp в WebAssembly)

Классический RAG индексирует исходный текст документа, предварительно разбивая на фрагменты. Потом рассчитывает векторное представление фрагментов и сохраняет их векторные представления в базу данных для поиска. Это дает возможность искать по сходству фрагментов текста и поискового запроса пользователя, но не дает возможность искать по более высокоуровневым резюме и смыслам, темам поднятым в тексте и прочему. Также не помогает с аналитикой по содержимому.Бесплатный проект text-metadata-generator позволяет выполнять запросы к LLM по каждому документу из коллекции документов, результаты вывода LLM проверяются по JSON схеме.

продолжить чтение

1...456789...20...21