24小时热榜

<a href="https://openai.com/index/accelerating-the-next-phase-ai" rel="nofollow">https://openai.com/index/accelerating-the-next-phase-ai</a>

在最新版本中，我尝试下载最新的 yt-dlp，但却收到“可疑下载”的警告。没有提供关于这是什么意思的解释。

去年夏天，我们在Tiger Data公司面临了一个难题。Tiger Data是一家Postgres云服务提供商，主要业务集中在时间序列数据上。我们希望将业务拓展到新兴的以人工智能为中心的工作负载，并希望在Postgres中提供一套先进的混合搜索技术。我们已经在内部构建了pgvectorscale，旨在突破pgvector的主内存限制，实现语义搜索的扩展。我们还需要一个可扩展的排名关键词搜索解决方案。 问题是：核心Postgres并没有提供这样的功能；领先的Postgres BM25扩展ParadeDB受到AGPL的保护；开发我们自己的扩展似乎是一项艰巨的任务。我估计我们需要一个小团队的优秀工程师和6到12个月的时间。而且我们可能仍然无法达到像Parade/Tantivy这样成熟系统的性能。 或者说，我们会吗？到那时，我已经在AI增强开发方面进行了足够长时间的实验，意识到借助最新工具（Claude Code + Opus）和经验丰富的团队（我在数据库系统内部工作了25年），过去的时间估计几乎可以抛到一边。 我告诉我们的首席技术官，我认为我可以在一个季度内独立完成这个项目。这引起了一些人的关注。 实际上，这花费的时间稍微多了一些（两个季度），而且在开源预发布后，我们得到了社区的真正帮助（太棒了！）。但今天我非常兴奋（也有点疲惫）地分享，pg_textsearch v1.0已经通过开源（Postgres许可证）在Tiger Data云上自由提供，希望不久后能在您附近的超大规模环境中使用： [https://github.com/timescale/pg_textsearch](https://github.com/timescale/pg_textsearch) 在伴随发布的博客文章中，我概述了架构，并展示了使用MS-MARCO的基准测试结果。令我惊讶的是，我们不仅能够达到Parade/Tantivy的查询性能，而且在查询吞吐量上大幅超越，测得在规模上有4.7倍的优势： [https://www.tigerdata.com/blog/pg-textsearch-bm25-full-text-search-postgres](https://www.tigerdata.com/blog/pg-textsearch-bm25-full-text-search-postgres) 看到我在这个领域辛勤耕耘了这么久的工作迅速发生变化，使我们能够在技术目标上更加雄心勃勃，这令人兴奋（老实说，也有点不安）。技术壁垒不再是壁垒。 基准测试脚本和方法论已在GitHub仓库中提供。欢迎在讨论中提出任何问题。 谢谢， TJ (tj@tigerdata.com)