|
|
Perplexity做了大量的工作，目前可见的至少有这三个核心要素： 准确性+可靠性： 注：有用性perceived utility:回复对用户查询来说是否是有用且有信息量的；）引用召回citation recall:指由其相关引文完全支持的、值得验证的句子的比例。中金公司研究部 从前文可以看到，Perplexity主要依赖引用的链接里的内容做整理，这样相当于大幅依赖RAG，极大的降低了LLM的幻觉问题。同时，Perplexity在召回和排序环节都对算法侧进行了创新，保证内容的有用性及引用的精确程度。 GPT、Kimi Chat和百川这些都可联网，但你并不知道具体去哪里引用了内容，无法溯源，对于幻觉仍旧抱有疑虑。 NewBing只能在Edge上使用，尽管可以免费白嫖，但是速度确实很慢，也没有Copilot等，感觉在答案引擎这件事上，并没有做得更多的工作，产品形态和速度半年来没有什么改进。 速度： 今年月日，Perplexity推出了pplx-api，这个API是Perplexity自研的推理堆栈，使得Perplexity的生成速度快于GPT类通用模型。
也可以看到Perplexity一直在研究更好的架构和技术来提高整个产品的运转效率： 对于效 阿尔巴尼亚细胞数据 率的追求，使得Perplexity的体验真的非常的快，几乎是答案秒出。 用户体验： Super个人在使用中的体验是很丝滑的，写下问题 → 得到答 → 点击相关问题 → 继续快速获得答案 → 输入个性化的追问 → 进一步获得答案，并且所有的答案都在同一个页面内，可以快速的回看，不用来回切换页面。 这种迅捷体验远胜于 ChatGPT 和 NewBing。 再加上Copilot可以更好的实现交互，坦白讲和其他竞品在产品层面的体验差异还是有些遥遥领先的。 但罗马不是一日建成的，回看Perplexity的初始阶段，也能帮我们更好的理解它： 三、Perplexity的演变（重要） Perplexity的ASK产品是在年月日上线的，但是公司的创立是年月日，是一开始就在筹备Perplexity Ask么？ 我们这一节先来看一下Perplexity创办后的产品演变，下一节再去理解创始人。 在一次分享上，Perplexity创始人Aravind放出了一张图，我们可以发现，最早做的产品是TextSQL。
这个技术是针对企业市场的，美国有个很有意思的想象是，toB市场非常的好做，不光是容易获得ARR，而且创业公司做到一定程度后，也比较容易卖掉公司，或许因为这个，基于textsql，Perplexity获得了Elad Gil, Nat Friedman, Jeff Dean的种子轮投资，这几位是谁呢？ 在月日，为了方便内部，搭建了一个Slack机器人，作用是希望帮助团队get如何去撰写SQL模版，因为这个需求Google解决不了，问同事又非常的费时间。 年月日，出现了一个特殊情况，要招人了！！！ 应聘者问：我要医疗保险！Aravind懵了，心想我没弄过啊，赶紧打开Slack去问，对比Google给出的结果，他也意识到了，自己的SlackBot联网后，或许能得到更好的答案。 在月日，SlackBot可以联网去search了，增加了摘要功能，现在可以向Slackbot提问真实的问题了！比如上图就是马斯克接管推特时发生了什么，已经开始有现在答案引擎的雏形了。 然后，投资人Nat Friedman，也就是前Github CEO，说，你们咋不像Midjourney那样整一个Discord呢？这可比Slack牛逼多了，于是在月日，Perplexity做了一个Discord Search Bot： Discord就是一个公开域，这时就开始有用户尝试接入Perplexity的Discord Search Bot，反馈还都挺不错，甚至开始有人说，这比Google好啊！ 月日，增加了搜索聚焦Search Focus功能~ 随后增加了维基百科的搜索支持，以及到了月日，Perplexity在Discord Bot上增加了支持搜索StackOverflow（全球最大的技术问答网站）。
|
|
发表于 2024-2-15 18:14:08