Search as Code
PulseAugur coverage of Search as Code — every cluster mentioning Search as Code across labs, papers, and developer communities, ranked by signal.
-
Perplexity 将深度研究与多模型编排系统集成
Perplexity 已将其深度研究功能集成到其计算机编排系统中，增强了将复杂问题分解为子任务的能力。然后，这些子任务会被路由到 20 多个不同的 AI 模型，从而显著提高准确性和分析深度。该系统采用“搜索即代码”方法，现在可以生成可直接用于工作的报告、演示文稿和仪表板，并在代理浏览能力方面取得了显著的基准改进。
-
Perplexity AI 将“深度研究”与“搜索即代码”架构集成
Perplexity AI 已将其新的“Computer 中的深度研究”功能作为一项原生技能集成到其 Computer 产品中。此功能利用“搜索即代码”架构，使模型能够生成代码，该代码可以为特定查询编排数千个并行检索步骤。该公司表示，这项新功能在所有基准测试中都超越了以前的深度研究功能，并且现在可供 Pro 和 Max 订阅者使用。
-
Perplexity AI 代理现在可以编写自己的搜索代码
Perplexity AI 推出了名为 Search as Code 的新功能，使 AI 代理能够为搜索工作流生成 Python 代码。此举旨在提高 AI 代理在执行复杂搜索任务时的效率和能力。然而，其声称的优势，如节省 token 和提高基准性能，仍有待独立验证。
-
Perplexity AI 通过“搜索即代码”重新定义 AI 代理的搜索方式
Perplexity AI 正在引入一种名为搜索即代码 (SaC) 的新架构，以解决传统搜索系统对 AI 代理的局限性。这种方法将搜索组件作为 SDK 中的可编程原语公开，允许 AI 模型直接控制和组合检索策略。SaC 旨在实现超越简单查询-响应交互的更复杂、特定任务的信息检索，支持能够执行长期多步任务的代理。
-
Perplexity AI 为代理推出“Search as Code”
Perplexity AI 推出了“Search as Code”，这是一种专为 AI 代理设计的新型搜索架构。该新系统通过允许模型直接组合搜索原语，实现了异步查询执行、去重和结果排序，从而绕过了传统的高延迟工具调用方法。Perplexity 声称 Search as Code 在包括其自身的 WANDR 基准在内的各种深度和广度研究基准上，性能优于现有系统，同时还提供了卓越的成本效益比。