使用不同的关键词进行搜索并

Afroga2497

[size=14.6667px]此外，用户可通过 Focus Search 功能，在开始新搜索前限定搜索范围，提升搜索效果。该功能在学术搜索、数学计算、YouTube 视频和 Reddit 论坛搜索等方面进行了特别优化。特别是 YouTube 视频搜索，其引用可直接链接到视频中相关内容的准确时间点。 Perplexity Copilot 则增强了搜索结果的准确性和可信度。作为用户的搜索助手，Copilot 提供更细致、深入和个性化的回答。 对于同样的问题，通常 Copilot Search 参考的信源更多、回答更长、展示方式更结构化，同时在搜索过程中，Copilot 会对用户的问题含义进行延伸，在一次用户的搜索中，实则进行了多次对于不同关键词的搜索。如下图所示，使用 Copilot 搜索同样的关键词，Copilot 会自动对用户的意图进行延伸，最终总结。[size=14.6667px]

[size=14.6667px] 个性化的搜索。Perplexity Copilot 不仅深入理解用户意图，还根据用户的个人情况提供定制化内容。 例如，询问餐厅推荐时，会自动要求用户补充必要的信息，如餐厅所在的地点；同时，Copilot 会根据用户的 AI Profile 所需补充信息，如下图（右）可以看见，在 澳大利亚 WhatsApp 号码数据[size=14.6667px] 作者在 AI Profile 中提前设置好了自己所在城市后，Perplexity Copilot 便不再要求用户补充地址信息；最后，当 Copilot 要求用户补充信息时，会采用更加 LLM Native 的交互方式，会根据要求的补充信息类型，Copilot 自主选择最合适的交互方式来让用户输入，如下图（右）就自动生成了一组复选框。 Perplexity Copilot 使用了 Fine-tuned GPT- 而非 GPT-。
[size=14.6667px]


[size=14.6667px]

[size=14.6667px]根据测试，Fine-tuned GPT- 在大多数情况下（%）能提供与 GPT- 同等甚至更好的性能，甚至在少数问题上，能够提供比 GPT- 更好的表现。 Perplexity 的愿景不仅是成为更好的搜索引擎，而是打造一个全面的知识中心，助力用户轻松学习新知。为此，Perplexity 自开发之初便专注于优化其引用信源和发散性问题处理能力。 月份，Perplexity 围绕此愿景推出了“合集（Collections）”功能。在 Perplexity 中，每次查询对话被视作一个线程（Thread），而合集则是线程的容器，功能类似于收藏夹。合集不仅能整理线程，还能围绕主题拓展新问题，邀请协作者共同构建知识社区。 效果优秀，快速、准确、可靠 Perplexity 在多个方面展现出卓越的性能，尤其是在内容的可靠性、信源的丰富性、响应速度的快捷性以及内容的稳定性方面。