算法论文8

AceSearcher：让推理与检索完美「合体」

机器之心2025-10-24

AI 摘要

埃默里大学等团队发布 AceSearcher 模型，以两阶段训练结合推理与检索。它在多任务评测中优势明显，小模型也能有出色表现，证明推理与检索应协同提升，未来有多种优化方向。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

Booking.com亿级向量数据库选型实践

本文分享Booking.com在1亿条embedding数据规模下，原有OpenSearch向量方案遇到性能、成本、运维瓶颈后，自行设计贴合生产的压测对比不同方案，最终完成选型迁移的全过程，总结了实用经验。

Perplexity核心搜索面向大模型检索，原有存储Amazon DynamoDB在高流量下存在延迟高、成本不可控问题，两名工程师两个月用Rust写出4万行自研CobbleDB，迁移后性能成本均大幅优化，后续计划开源。

本文基于多开源社区联合大会的行业交流，分析AI落地生产后对基础设施的改变，指出推理成为新中心，Agent提前带出生产级问题，AI Infra边界正被重写。

本文解答产品添加AI搜索时，选用专用向量数据库还是MongoDB的选型疑问，理清两类检索的能力边界，讲解MongoDB检索的架构、用法与踩坑点，给出可复用的选型判断框架。