Google Cloud Go客户端库发布Discovery Engine v1.17.0版本更新
Google Cloud Go客户端库近日发布了Discovery Engine服务的1.17.0版本更新,为开发者带来了多项重要功能增强和优化。Discovery Engine是Google Cloud提供的一套智能搜索和推荐服务,能够帮助企业构建强大的内容发现系统。
核心功能升级
本次更新最引人注目的是新增了多项AI驱动的搜索和问答功能。新增的stream answer API为开发者提供了实时流式问答能力,使得应用可以实现类似ChatGPT的交互体验。同时,该版本还支持了答案API的终端用户规格(end user spec)配置,让开发者能够更好地控制答案生成的行为。
在搜索功能方面,1.17.0版本引入了"search as your type"的自动模式支持,用户可以在输入过程中实时获取搜索结果。新增的搜索高亮功能(search highlighting)能够突出显示匹配内容,提升用户体验。此外,模型评分(model scores)的支持让搜索结果可以展示相关性评分,而相关性阈值(relevance threshold)功能则允许开发者设置最低相关性标准。
数据导入与内容管理增强
新版本对数据导入功能进行了多项改进。FHIR导入现在可以使用最新的预定义模式(predefined schema),简化了医疗健康数据的集成。对于非结构化数据导入,新增了强制刷新所有内容(force refresh all content)的选项,确保数据保持最新状态。
新增的sitemap APIs为网站内容管理提供了更强大的工具,开发者可以更高效地管理和更新网站地图。同时,面板感知用户事件(panel aware user event)的支持使得系统能够更好地理解用户在特定面板中的交互行为。
搜索优化与个性化
1.17.0版本引入了多项搜索优化功能。混合搜索(blended search)现在支持boosting功能,开发者可以调整不同来源结果的权重。插值增强动作(interpolation boost action)和促销动作(promotion action)的加入,为搜索结果排序提供了更精细的控制手段。
在个性化方面,用户信息中新增了时区(time_zone)字段,使得服务可以根据用户所在时区提供更相关的内容。查询重述模型(query rephraser model)的支持则能够自动优化用户查询,提高搜索质量。
企业级功能增强
针对企业用户,新版本增加了企业网络检索源(enterprise web retrieval source)用于基础数据获取,支持图像在web搜索基础数据(web search grounding)中的使用。答案API现在支持基础数据和安全评级(grounding and safety rating),为企业应用提供了更可靠的内容保障。
转换用户事件(conversion user event)的支持让企业能够更好地跟踪用户转化行为,而服务配置更新API(serving config update API)的正式发布(GA)则标志着该功能的稳定性和成熟度达到了生产环境要求。
总结
Google Cloud Go客户端库的Discovery Engine v1.17.0版本通过引入流式问答、增强搜索功能、改进数据导入和强化企业级特性,为开发者构建智能内容发现系统提供了更强大的工具集。这些更新不仅提升了系统的功能性,也改善了终端用户体验,使企业能够提供更精准、更个性化的内容服务。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00