63页的面向AI搜索范式：Multi-agent、MCP、DAG、RL
百度搜索发布了一篇关于多智能体框架的论文，该框架重新构想了大型语言模型时代的搜索方式，包括主管、规划者、执行者和撰写者的分工协作机制，旨在实现更加灵活高效的信息检索过程。
PaperAgent
Doc2X：为知识库RAG接上高精度文档解析的“智能引擎”
一款专为开发者设计的强大文档解析产品——Doc2X，具有高精度解析、深度优化公式识别、极致性价比和灵活的API接入等特点。适用于知识库搭建、教育科技革新及企业内部文档管理等场景。
OCR-Reasoning：揭秘多模态大模型在复杂图文推理中的真实能力
OCR-Reasoning 基准评估多模态大模型在复杂图文信息的深度推理能力，涵盖6种核心推理能力及18种实际任务。数据来源广泛，包括互联网图片和真实世界照片，如金融报告分析、发票识别等。
记忆力下降83%！206页研究发现：用ChatGPT越多，大脑越笨
近期MIT研究发现，使用AI语言模型如ChatGPT可能会降低写作任务的认知负荷，但同时也可能影响记忆、批判性思维和写作技能。该研究通过脑电图记录参与者的大脑活动，并收集反馈数据，揭示了不同组别在写作质量、神经活动以及认知成本方面的差异。
Agentic CoT驱动，清华DO-RAG领域问答性能飙升33%，远超FastGPT、Dify
DO-RAG是清华提出的可扩展且可定制的混合问答框架，结合多级知识图谱构建与语义向量检索，采用新颖的Agentic CoT架构从非结构化文档中提取结构化关系，通过融合图检索和向量检索结果生成上下文感知的回答，并引入基于事实的细化步骤减少幻觉。