为什么 DoorDash、Instacart 和 Uber Eats 用三种不同方式把 LLM 接入搜索
DoorDash、Instacart 和 Uber Eats 都围绕 LLM 重建了搜索，但架构差异明显：DoorDash 用 LLM 离线丰富知识图谱、运行时保持经典检索，Instacart 用 LLM 做查询理解并以微调 Llama-3-8B 处理长尾查询，Uber Eats 把微调 Qwen 作为双塔检索的嵌入骨干。
ByteByteGo
blog.bytebytego.com · 网站与博客
切换来源
全部网站与博客新闻IT Home8667 条Simon Willison353 条OpenAI News317 条TechCrunch · AI267 条The Decoder251 条Hugging Face Blog151 条The Verge · AI144 条Claude Blog139 条elsewhere articles113 条Google Research108 条OpenRouter Announcements103 条Mistral AI88 条Tomer Tunguz81 条Databricks Blog76 条Sierra Blog67 条Anthropic Newsroom65 条Gary Marcus64 条Claude Platform release notes62 条Runway News62 条LMSYS Blog60 条Google DeepMind58 条a16z News49 条LangChain Blog48 条Suno Blog48 条NVIDIA Blog47 条ByteByteGo46 条Apple Machine Learning Research43 条Google Blog: AI41 条Google Developers Blog35 条Cursor Blog33 条Microsoft AI News32 条Linear Now30 条AWS Machine Learning Blog29 条Google Cloud: Databases28 条Dwarkesh Patel27 条Ars Technica · AI26 条Nathan Lambert: Interconnects25 条Latent Space24 条DeepSeek API updates23 条Sakana AI Blog23 条Anthropic Research21 条Import AI21 条AI as Normal Technology20 条MIT Technology Review · AI16 条GitHub Blog · AI & ML12 条Meta Engineering11 条Berkeley AI Research10 条Microsoft Research10 条Black Forest Labs Blog8 条ByteDance Seed Papers8 条ElevenLabs Blog8 条Gemini API 更新日志8 条Manus Blog8 条MarkTechPost8 条MiniMax Blog8 条Qwen Blog8 条Together AI Blog8 条Every latest articles7 条ByteDance Seed Research5 条xAI：News5 条Thinking Machines Lab Blog4 条CMU Machine Learning Blog1 条Sam Altman Blog1 条MarkTechPost · 历史来源106 条xAI News · 历史来源73 条Artificial Intelligence News · 历史来源48 条Claude YouTube · 历史来源41 条Ars Technica: AI · 历史来源18 条GitHub Blog · 历史来源17 条Lilian Weng's Log · 历史来源2 条
46 条AI 相关新闻 · 最新在前
ByteByteGoAI 评分5555
ByteByteGoAI 评分5858 NVIDIA 如何构建面向 AI 时代的开源模型
ByteByteGo 与 NVIDIA 应用深度学习研究副总裁 Bryan Catanzaro 对谈，介绍 NVIDIA 覆盖语言推理、物理世界、机器人、自动驾驶、生物与气候的开源模型家族，包括 Nemotron、Cosmos、Isaac GR00T、Alpamayo、BioNeMo 和 Earth-2。
ByteByteGoAI 评分5454 在生产环境构建可用 AI 智能体的最佳实践
ByteByteGo 汇总 Anthropic、Cognition、Intercom 等团队的经验，总结出在生产环境构建 AI 智能体的最佳实践，分为控制上下文、把握控制流、外部化状态和收窄范围四个方向。
ByteByteGoAI 评分5959 Roblox 押注世界模型，混合架构兼顾画质与多人游戏
Roblox 正在推进混合架构 Roblox Reality，用游戏引擎维护世界状态、视频世界模型 Super Upsampler 负责照片级渲染。视频模型仍处于实验室阶段，早期版本预计今年晚些或明年初推出，先做到 2K 60fps，4K 是更长期目标。
ByteByteGoAI 评分3939 MCP vs A2A vs ACP：AI 智能体之间究竟如何通信
MCP 负责智能体与工具的通信，A2A 负责智能体之间的通信，已被合并进 A2A 的 ACP 则采用 REST-first 方案。A2A 中智能体通过发布在固定 URL 的 Agent Card 发现同伴并委派任务，任务中途需补充输入时进入 input-required 状态回环。生产环境中 MCP 与 A2A 互补：MCP 管工具访问，A2A 管智能体通信。
ByteByteGoAI 评分4545 Airbnb、Booking、Expedia 如何用 AI 处理旅行客服纠纷
Airbnb、Booking.com 和 Expedia 正用 AI 处理旅行客服，但自动化主要覆盖查询和常规变更，纠纷类案件仍需人工裁决。Airbnb 侧重自主解决退改，Booking 专注复杂案件的人工交接，Expedia 则投入超 30 种语言的摘要实现规模化分流。系统核心在于意图识别、状态追踪、动作层与置信度阈值，阈值高低直接决定自动放行量与人工资讯量。