IBM 發布全新開源多語言嵌入模型 Granite Embedding Multilingual R2。該模型採用寬鬆的 Apache 2.0 授權,支援高達 32K 的上下文長度。在參數小於 1 億(Sub-100M)的同量級模型中,它展現出最頂尖的資訊檢索品質,非常適合用於建構高效能且低資源消耗的 RAG(檢索增強生成)系統。
Hugging Face 發表全新檢索評估標準 RTEB(Retrieval Evaluation Benchmark)。相較於專注向量表徵的 MTEB,RTEB 更著重於 RAG 實戰中的端到端檢索表現。它涵蓋了混合檢索、重排(Reranking)及多跳推理等複雜場景,並提供開源評估工具,幫助開發者與研究人員精準衡量檢索器在真實應用中的效能。