pplx-embed-v2-late Technical Report
机构 * Perplexity AI
AI总结 本研究推出0.6B和9B参数的多语言多模态晚交互模型pplx-embed-v2-late，经18B教师模型表示蒸馏训练，在多模态检索基准中达最优，支持不对称部署，0.6B模型性能可匹敌数倍大模型。
大厂专区
Perplexity AI
Baselines and Score Centering in Policy Gradient Estimation
机构 * University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； Perplexity AI（Perplexity AI公司）
AI总结 本研究针对强化学习中策略梯度估计的基线与得分中心化问题，提出协方差视角，明确两种中心化方式的差异及在不同重要性采样级别下的适用性。
Comments 17 pages
LeapQuant: Efficient Linear Attention with Accurate Recurrent State Quantization
LeapQuant：具有精确循环状态量化机制的高效线性注意力
机构 * UC Berkeley（加州大学伯克利分校） ； University of Washington（华盛顿大学） ； MIT（麻省理工学院） ； Perplexity AI ； NVIDIA（英伟达）
AI总结 针对线性注意力循环状态量化误差累积与离群值问题，提出免训练方法LeapQuant，通过逐窗口量化与补偿token，在8位量化下实现近乎无损性能并显著加速推理。
Comments 17 pages, 11 figures
Q2D-Web: A Large-Scale Benchmark for Retrieval in Agentic RAG Systems
机构 * Perplexity AI（Perplexity AI公司）
AI总结 Q2D-Web是一个大规模智能体检索基准，含1.9亿文档和7万查询，提供三组相关性判定，评估13种检索器，并验证子语料库采样可近似全语料库评估。
BrowseSafe: Understanding and Preventing Prompt Injection Within AI Browser Agents
BrowseSafe: 理解和防止AI浏览器代理中的提示注入
机构 * Purdue University（普渡大学） ； Perplexity AI
AI总结 BrowseSafe通过构建现实场景下的提示注入攻击基准，提出多层次防御策略，旨在提升AI浏览器代理的安全性。
Comments COLM 2026
How AI Agents Reshape Knowledge Work: Autonomy, Efficiency, and Scope
机构 * Harvard Business School（哈佛商学院） ； Perplexity AI
AI总结 基于Perplexity产品数据，研究发现AI代理通过端到端任务执行，将自主工作时间从33秒提升至26分钟，完成时间缩短87%，成本降低94%，并扩展了工作范围与认知层次。
Multi-Turn Evaluation of Deep Research Agents Under Process-Level Feedback
机构 * Google DeepMind（谷歌DeepMind） ； OpenAI ； Perplexity AI ； LangChain AI
AI总结 针对深度研究智能体（DRA）在单轮输出评估的不足，提出研究缺口推断（RGI）方法提供过程级反馈，发现单轮过程反馈可提升8-15分，但多轮改进因回归问题难以持续。
Comments Published as a workshop paper at SCALE - ICML 2026 (Oral)
fabric-lib: RDMA Point-to-Point Communication for LLM Systems
机构 * Perplexity AI
AI总结 fabric-lib通过统一接口实现灵活的点对点通信，支持异步强化学习微调和MoE路由，提升吞吐量并增强硬件兼容性。
FlashInfer: Efficient and Customizable Attention Engine for LLM Inference Serving
FlashInfer：面向LLM推理服务的高效可定制注意力引擎
机构 * NVIDIA（英伟达公司） ； Perplexity AI（Perplexity AI公司）
AI总结 FlashInfer通过块稀疏格式、可定制模板和负载均衡调度，为LLM推理提供高效注意力引擎，显著降低延迟并提升性能。
Comments Accepted by MLSys 2025, code available at http://github.com/flashinfer-ai/flashinfer
