待验证50% 置信事实精确时间
Perplexity此次公布的研究重点是围绕嵌入与排序模型的服务（serving）基础设施，而非模型算法创新
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/9/15
首次发现
有效期至：2026/12/14
来源
涉及实体
相关事实
待验证Anthropic建议始终从最简单的方案开始构建代理式系统，只有当简单方案确实无法满足需求时才增加复杂性68% 相似待验证Perplexity并非自研底层大模型，而是通过整合OpenAI、Anthropic、Meta等第三方模型API并叠加自研的实时检索增强层（RAG）来构建竞争力66% 相似待验证开源大模型表现不佳的真正原因往往不是模型能力，而是工具调用层面的系统性缺陷，Ahmad称之为「工具混乱」（Tool Confusion）66% 相似待验证作者认为开源模型工具调用表现差绝大多数情况下是框架的问题，而非模型本身的能力缺陷66% 相似待验证批评者指出现有负责任AI框架多聚焦于技术系统本身的属性，对「谁来定义技术目标」这一上游问题关注不足66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/922043API
curl https://kongchang.com/api/v1/knowledge/claims/922043MCP
get_claim(id=922043)